이 저장소는 에이전트 코딩 실험입니다. 코드의 95%는 LLM에 의해 작성되었습니다

딥 리서치 MCP 서버 열어

어떤 주제에 대해서도 심층적이고 반복적인 연구를 수행하는 AI 기반 연구 보조원입니다. 검색 엔진, 웹 스크래핑, AI를 결합해 주제를 심층적으로 탐구하고 포괄적인 보고서를 생성합니다. 모델 컨텍스트 프로토콜(MCP) 도구 또는 독립형 CLI로 제공됩니다. 보고서가 어떻게 생겼는지 exampleout.md 확인해 보세요.

퀵 스타트

1. 복제 및 설치:

2. .env.local에 환경 설정 하기:

3. 빌드:

4. CLI 버전 실행하기:

5. Claude 데스크톱으로 MCP 서버 테스트:
   서버 퀵스타트 하단에 있는 가이드를 따라 Claude Desktop에 서버를 추가하세요:
   https://modelcontextprotocol.io/quickstart/server

원격 서버용: 스트리밍 가능한 HTTP

서버는 세션 관리 없이 http://localhost:3000/mcp에서 실행됩니다.

특징

• 타겟 검색 쿼리를 생성하여 심층적이고 반복적인 연구를 수행합니다
• 연구 범위의 깊이(얼마나 깊은지)와 폭넓이(얼마나 넓은지) 매개변수를 통제합니다
• 상세한 점수(0-1)와 추론을 통해 소스 신뢰성을 평가합니다
• 신뢰성이 높은 출처(≥0.7)를 우선시하고 덜 신뢰할 수 있는 정보를 검증합니다

DISCLAIMER

This repo is an experiment on agent coding. 95% of the code is written by LLM's 

Open Deep Research MCP Server

An AI-powered research assistant that performs deep, iterative research on any topic. It combines search engines, web scraping, and AI to explore topics in depth and generate comprehensive reports. Available as a Model Context Protocol (MCP) tool or standalone CLI. Look at exampleout.md to see what a report might look like.

Quick Start

1. Clone and install:

git clone https://github.com/Ozamatash/deep-research
cd deep-research
npm install

2. Set up environment in .env.local:

# Copy the example environment file
cp .env.example .env.local

3. Build:

# Build the server
npm run build

4. Run the cli version:

npm run start

5. Test MCP Server with Claude Desktop:
   Follow the guide thats at the bottom of server quickstart to add the server to Claude Desktop:
   https://modelcontextprotocol.io/quickstart/server

For remote servers: Streamable HTTP

npm run start:http

Server runs on http://localhost:3000/mcp without session management.

Features

• Performs deep, iterative research by generating targeted search queries
• Controls research scope with depth (how deep) and breadth (how wide) parameters
• Evaluates source reliability with detailed scoring (0-1) and reasoning
• Prioritizes high-reliability sources (≥0.7) and verifies less reliable information
• Generates follow-up questions to better understand research needs
• Produces detailed markdown reports with findings, sources, and reliability assessments
• Available as a Model Context Protocol (MCP) tool for AI agents
• For now MCP version doesn’t ask follow up questions
• Natural-language source preferences (avoid listicles, forums, affiliate reviews, specific domains)

Model Selection (OpenAI, Anthropic, Google, xAI)

Pick a provider and model per run.

• CLI: you will be prompted for provider and model. Example: openai + gpt-5.2.
• MCP/HTTP: pass model, e.g. openai:gpt-5.2 (also accepts openai/gpt-5.2).

Set the corresponding API key in .env.local:

OPENAI_API_KEY=...
ANTHROPIC_API_KEY=...
GOOGLE_API_KEY=...
XAI_API_KEY=...

Optionally set default models per provider:

OPENAI_MODEL=gpt-5.2
ANTHROPIC_MODEL=claude-opus-4-5
GOOGLE_MODEL=gemini-3-pro-preview
XAI_MODEL=grok-4-1-fast-reasoning

If you use a non-default OpenAI endpoint:

OPENAI_ENDPOINT=https://api.openai.com/v1

How It Works

flowchart TB
    subgraph Input
        Q[User Query]
        B[Breadth Parameter]
        D[Depth Parameter]
        FQ[Feedback Questions]
    end

    subgraph Research[Deep Research]
        direction TB
        SQ[Generate SERP Queries]
        SR[Search]
        RE[Source Reliability Evaluation]
        PR[Process Results]
    end

    subgraph Results[Research Output]
        direction TB
        L((Learnings with
        Reliability Scores))