딥 리서치 MCP 서버

“딥 리서치” MCP 서버는 무엇을 하나요?

딥 리서치 MCP 서버는 복잡한 주제에 대한 종합적인 연구를 지원하도록 설계되었습니다. AI 기능을 활용하여 연구 과정을 효율화하며, AI 어시스턴트와 외부 데이터 소스를 연결하는 역할을 합니다. 이 서버는 연구 질문의 탐색, 핵심 개념 식별, 구조화되고 근거가 명확한 보고서 생성을 자동화합니다. 웹 검색, 콘텐츠 분석, 보고서 합성을 통합하여 사용자가 질문을 구체화하고, 하위 질문을 생성하며, 관련 자료를 수집하고, 근거 기반 결론을 도출할 수 있도록 돕습니다. 주요 목적은 개발자와 연구자가 심층적인 조사를 수행하고, 권위 있는 자료를 발굴하며, 연구 결과를 정리·제시하는 워크플로우를 자동화하는 데 있습니다.

프롬프트 목록

• deep-research: 구조화된 접근 방식으로 종합 연구 작업을 위한 프롬프트입니다.

리소스 목록

사용 가능한 문서나 저장소 파일에 명시된 리소스는 없습니다.

도구 목록

server.py 등 저장소 내에 명시된 도구가 존재하지 않습니다.

이 MCP 서버의 활용 사례

• 학술 연구 지원: 연구 질문 구체화, 하위 질문 생성, 결과 종합 과정을 자동화하여 학생과 연구자의 시간을 절약합니다.
• 시장 또는 트렌드 분석: 시장·트렌드에 대한 구조화된 조사를 가능하게 하며 권위 있는 자료를 수집, 균형 잡힌 보고서를 제공합니다.
• 기술 주제 요약: 개발자 및 전문가가 기술 주제를 하위 질문으로 세분화하고, 웹 검색 결과를 정리하여 포괄적인 문서를 만들 수 있도록 돕습니다.
• 콘텐츠 제작 지원: 복잡한 주제에 대해 근거가 명확한 요약을 제공하여 작가 및 기자가 기사나 보고서 작성에 활용할 수 있습니다.
• 의사결정 지원: 다양한 관점을 탐색하고 관련 데이터를 수집하여 중요한 의사결정 전 근거를 마련할 수 있습니다.

설치 방법

Windsurf

1. Node.js와 uv/uvx가 설치되어 있는지 확인하세요.
2. Windsurf 설정 파일을 찾으세요.
3. 아래와 같이 mcpServers 객체에 딥 리서치 MCP 서버를 추가하세요:

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

4. 설정을 저장하고 Windsurf를 재시작하세요.
5. 서버가 정상적으로 실행 중인지 확인하세요.

Claude

1. 여기에서 Claude Desktop을 다운로드 및 설치하세요.
2. macOS에서는 다음 명령어를 실행하세요:

   python setup.py
   

3. Claude 설정 파일을 찾으세요:
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
4. 아래와 같이 mcpServers 설정을 추가 또는 업데이트 하세요:

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

5. 파일을 저장하고 Claude를 재시작하세요.
6. deep-research 프롬프트 템플릿을 선택하여 시작하세요.

Cursor

1. Node.js와 uvx가 설치되어 있는지 확인하세요.
2. Cursor MCP 설정 파일을 찾으세요.
3. 딥 리서치 MCP 서버를 아래와 같이 추가하세요:

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

4. 설정을 저장하고 Cursor를 재시작하세요.
5. 정상적으로 동작하는지 확인하세요.

Cline

1. Node.js, uvx 등 모든 의존성이 설치되어 있는지 확인하세요.
2. Cline 설정 파일을 찾으세요.
3. 아래와 같이 MCP 서버 설정을 삽입하세요:

   "mcpServers": {
     "mcp-server-deep-research": {
       "command": "uvx",
       "args": [
         "--directory",
         "/path/to/mcp-server-deep-research",
         "run",
         "mcp-server-deep-research"
       ]
     }
   }
   

4. 변경사항을 저장한 후 Cline을 재시작하세요.
5. 서버 접근이 가능한지 확인하세요.

API 키 보안 설정

API 키 등 민감한 정보를 안전하게 보관하려면 환경 변수를 설정에 사용하세요. 예시:

"mcpServers": {
  "mcp-server-deep-research": {
    "command": "uvx",
    "args": [
      "--directory",
      "/path/to/mcp-server-deep-research",
      "run",
      "mcp-server-deep-research"
    ],
    "env": {
      "API_KEY": "${API_KEY}"
    },
    "inputs": {
      "api_key": "${API_KEY}"
    }
  }
}

FlowHunt 플로우 내 MCP 사용법

FlowHunt에서 MCP 서버 통합하기

FlowHunt 워크플로우에 MCP 컴포넌트를 추가하고, AI 에이전트와 연결하여 MCP 서버를 사용하세요:

MCP 컴포넌트를 클릭하여 설정 창을 엽니다. 시스템 MCP 설정 섹션에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

{
  "mcp-server-deep-research": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면 AI 에이전트가 이 MCP 서버의 모든 기능을 도구로 활용할 수 있습니다. “mcp-server-deep-research” 부분은 실제 MCP 서버 이름으로, URL은 본인의 MCP 서버 주소로 변경하세요.

개요

평가 의견

이 MCP 서버는 명확한 문서, 잘 설명된 워크플로우, 프롬프트 템플릿을 제공하지만, 리소스 및 도구, 고급 MCP 기능(roots, sampling 등)에 대한 구체적인 설명은 부족합니다. API나 도구 목록의 부재로 인해 일부 고도화된 통합에는 한계가 있을 수 있습니다. 구조화된 연구 워크플로우에는 실용적이나, 맞춤형 확장성은 낮은 편입니다.

MCP 점수