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.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

리소스 목록

사용 가능한 문서나 저장소 파일에 명시된 리소스는 없습니다.

도구 목록

server.py 등 저장소 내에 명시된 도구가 존재하지 않습니다.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

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. 여기 에서 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