Deepseek R1 MCP 服务器

“Deepseek R1” MCP 服务器的作用是什么？

Deepseek R1 MCP 服务器是一种模型上下文协议（MCP）服务器实现，旨在将 Claude Desktop 与 DeepSeek 的高级语言模型（如 Deepseek R1 和 DeepSeek V3）连接。它作为 AI 助手与 DeepSeek 强大推理优化模型（具备 8192-token 上下文窗口）之间的桥梁，使 AI 智能体能够执行更强的自然语言理解和生成任务。开发者可借助 Deepseek R1 MCP 服务器，无缝集成这些模型到自身的工作流，实现高级文本生成、推理，并与外部数据源或 API 交互。该实现注重稳定、可靠和高效的集成，采用 Node.js/TypeScript，确保最佳兼容性与类型安全。

提示列表

仓库中未记录任何提示模板。

资源列表

仓库中未记录任何显式 MCP 资源。

工具列表

• 高级文本生成工具
  • 使 LLM 可利用 Deepseek R1（或 V3）模型的大上下文窗口和推理能力生成文本。

该 MCP 服务器的应用场景

• 高级文本生成
  利用 DeepSeek R1 的超大上下文窗口（8192 tokens），生成长篇复杂的文档、故事或技术写作内容。
• 增强推理任务
  使用 Deepseek R1 模型的优化能力，处理重逻辑或多步骤推理，适用于问题解决和分析任务。
• 无缝集成到 Claude Desktop
  直接将先进的语言模型集成到 Claude Desktop 环境，提升 AI 助手在日常工作流中的能力。
• 灵活模型选择
  通过更改配置在 Deepseek R1 与 DeepSeek V3 之间切换，满足不同项目需求。
• 基于 API 的自动化
  在可用 DeepSeek API 的环境下启用 AI 驱动的自动化，简化内容创作或知识库管理。

如何设置

Windsurf

1. 确保已安装 Node.js（v18+）和 npm。
2. 克隆仓库并安装依赖：

   git clone https://github.com/66julienmartin/MCP-server-Deepseek_R1.git
   cd deepseek-r1-mcp
   npm install
   

3. 复制 .env.exemple 为 .env 并设置您的 DeepSeek API 密钥。
4. 编辑 Windsurf 配置，添加 MCP 服务器：

   {
     "mcpServers": {
       "deepseek_r1": {
         "command": "node",
         "args": ["/path/to/deepseek-r1-mcp/build/index.js"],
         "env": {
           "DEEPSEEK_API_KEY": "your-api-key"
         }
       }
     }
   }
   

5. 保存，重启 Windsurf，并确认服务器已运行。

Claude

1. 安装 Node.js（v18+）和 npm。
2. 克隆并设置 Deepseek R1 MCP 服务器，如上所述。
3. 在 Claude 配置中添加：

   {
     "mcpServers": {
       "deepseek_r1": {
         "command": "node",
         "args": ["/path/to/deepseek-r1-mcp/build/index.js"],
         "env": {
           "DEEPSEEK_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. 重启 Claude 并验证 MCP 服务器可用性。

Cursor

1. 安装所需的 Node.js、npm。
2. 设置服务器及环境变量。
3. 在 Cursor 配置中添加服务器：

   {
     "mcpServers": {
       "deepseek_r1": {
         "command": "node",
         "args": ["/path/to/deepseek-r1-mcp/build/index.js"],
         "env": {
           "DEEPSEEK_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. 保存，重启 Cursor，并测试服务器集成。

Cline

1. 确保已安装 Node.js 和 npm。
2. 克隆并构建 Deepseek R1 MCP 服务器。
3. 在 Cline 配置中添加服务器：

   {
     "mcpServers": {
       "deepseek_r1": {
         "command": "node",
         "args": ["/path/to/deepseek-r1-mcp/build/index.js"],
         "env": {
           "DEEPSEEK_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. 重启 Cline 并确认 MCP 服务器已连接。

API 密钥安全

在配置中使用环境变量，保障 API 密钥安全：

{
  "mcpServers": {
    "deepseek_r1": {
      "command": "node",
      "args": ["/path/to/deepseek-r1-mcp/build/index.js"],
      "env": {
        "DEEPSEEK_API_KEY": "your-api-key"
      }
    }
  }
}

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先需在流程中添加 MCP 组件，并与您的 AI 智能体连接：

点击 MCP 组件打开配置面板，在系统 MCP 配置部分，按如下 JSON 格式填写您的 MCP 服务器信息：

{
  "deepseek_r1": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 智能体即可将该 MCP 作为工具，访问其全部功能和能力。请记得将 “deepseek_r1” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

| 支持 Roots | ⛔ | 未记录 |

根据现有文档，Deepseek R1 MCP 服务器提供了简洁、专注的实现，配置和使用都非常简单，但缺乏关于提示、资源或高级 MCP 功能（如 roots 和采样）的文档。这使其非常适合文本生成，但在复杂工作流方面功能有限。

MCP 评分