Deep Research MCP Server

O que faz o servidor MCP “Deep Research”?

O Deep Research MCP Server foi projetado para facilitar pesquisas abrangentes sobre tópicos complexos, aproveitando as capacidades de IA para agilizar o processo de pesquisa. Atuando como uma ponte entre assistentes de IA e fontes de dados externas, automatiza a exploração de perguntas de pesquisa, a identificação de conceitos-chave e a geração de relatórios estruturados e bem referenciados. O servidor integra busca na web, análise de conteúdo e síntese de relatórios, auxiliando usuários na elaboração de perguntas, geração de subperguntas, coleta de recursos relevantes e produção de conclusões baseadas em evidências. Seu papel principal é capacitar desenvolvedores e pesquisadores a realizarem investigações aprofundadas, identificar fontes autoritativas e automatizar o fluxo de trabalho de montagem e apresentação dos resultados da pesquisa.

Lista de Prompts

• deep-research: Adaptado para tarefas de pesquisa abrangentes com uma abordagem estruturada.

Lista de Recursos

Não há recursos explícitos descritos na documentação ou arquivos do repositório disponíveis.

Lista de Ferramentas

Não há ferramentas explícitas listadas nos arquivos do repositório disponíveis, incluindo server.py ou equivalente.

Casos de Uso deste MCP Server

• Auxílio em Pesquisa Acadêmica: Automatiza o processo de detalhamento de perguntas de pesquisa, geração de subperguntas e síntese de descobertas, economizando tempo para estudantes e acadêmicos.
• Análise de Mercado ou de Tendências: Permite que usuários realizem investigações estruturadas sobre mercados ou tendências, coletando fontes autoritativas e apresentando relatórios equilibrados.
• Sumarização de Tópicos Técnicos: Auxilia desenvolvedores e profissionais a decompor tópicos técnicos em subperguntas, organizar resultados de buscas na web e produzir documentação abrangente.
• Suporte à Criação de Conteúdo: Fornece a escritores e jornalistas resumos bem referenciados e baseados em evidências sobre assuntos complexos para artigos ou relatórios.
• Suporte à Decisão: Ajuda tomadores de decisão a explorar múltiplas perspectivas e coletar dados relevantes antes de chegar a conclusões sobre questões importantes.

Como configurar

Windsurf

1. Certifique-se de que pré-requisitos como Node.js e uv/uvx estão instalados.
2. Localize o arquivo de configuração do Windsurf.
3. Adicione o Deep Research MCP Server ao objeto mcpServers com o seguinte trecho:

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

4. Salve a configuração e reinicie o Windsurf.
5. Verifique se o servidor está em execução e acessível.

Claude

1. Baixe e instale o Claude Desktop por aqui.
2. No macOS, execute:

   python setup.py
   

3. Localize o arquivo de configuração do Claude:
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Adicione ou atualize sua configuração mcpServers conforme abaixo:

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

5. Salve o arquivo e reinicie o Claude.
6. Selecione o template de prompt deep-research para começar.

Cursor

1. Certifique-se de que Node.js e uvx estão instalados.
2. Localize o arquivo de configuração MCP do Cursor.
3. Adicione o Deep Research MCP Server usando:

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

4. Salve a configuração e reinicie o Cursor.
5. Confirme que está operacional.

Cline

1. Certifique-se de que todas as dependências (Node.js, uvx) estão instaladas.
2. Encontre o arquivo de configuração do Cline.
3. Insira a seguinte configuração do MCP Server:

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

4. Reinicie o Cline após salvar as alterações.
5. Verifique a acessibilidade do servidor.

Protegendo Chaves de API

Para proteger as chaves de API, utilize variáveis de ambiente em sua configuração. Exemplo:

"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}"
    }
  }
}

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo de trabalho no FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Após configurar, o agente de IA já pode usar este MCP como ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de alterar “mcp-server-deep-research” para o nome real do seu servidor MCP e substituir a URL pela URL do seu servidor MCP.

Visão geral

Nossa opinião

Este servidor MCP oferece documentação clara, fluxo de trabalho bem descrito e templates de prompts, mas carece de detalhes explícitos sobre recursos, ferramentas ou recursos avançados de MCP como raízes e amostragem. A ausência de detalhes sobre API ou ferramentas limita sua flexibilidade para alguns cenários avançados. No geral, é prático para fluxos de pesquisa estruturados, mas menos adequado para integrações altamente personalizadas.

Pontuação MCP