
assafelovic/gptr-mcp
Developer toolsЭта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал
MCP-сервер позволяет приложениям LLM проводить глубокие исследования через протокол MCP
Обзор
В то время как LLM-приложения могут получать доступ к веб-поисковым инструментам с помощью MCP, стандартные поисковые инструменты возвращают исходные результаты, требующие ручной фильтрации, часто содержащие нерелевантные источники и тратя пространство контекстного окна. GPT Researcher автономно исследует и проверяет множество источников, сосредотачиваясь только на релевантной, надёжной и актуальной информации. Хотя поиск немного медленнее стандартного (~30 секунд ожидания), он даёт: - ✨ Более качественная информация - 📊 Оптимизированное использование контекста - 🔎 Комплексные результаты - 🧠 Лучшее рассуждение для LLM https://github.com/user-attachments/assets/ef97eea5-a409-42b9-8f6d-b82ab16c52a8 2. на ~/Library/Application Support/Claude/claude_desktop_config.json: Подробные инструкции по настройке смотрите полный раздел Claude Desktop Integration ниже. - research_resource: Получить веб-ресурсы, связанные с конкретной задачей, через исследования.
Обзор (машинный перевод)
Почему GPT Researcher MCP?
В то время как LLM-приложения могут получать доступ к веб-поисковым инструментам с помощью MCP, GPT Researcher MCP обеспечивает глубокие результаты исследований. Стандартные поисковые инструменты возвращают сырые результаты, требующие ручной фильтрации, часто содержащие нерелевантные источники и тратя пространство контекстного окна.
GPT Researcher автономно исследует и проверяет множество источников, сосредотачиваясь только на релевантной, надёжной и актуальной информации. Хотя поиск немного медленнее стандартного (~30 секунд ожидания), он даёт:
- ✨ Более качественная информация
- 📊 Оптимизированное использование контекста
- 🔎 Комплексные результаты
- 🧠 Лучшее рассуждение для LLM
💻 Демо Клода на рабочем столе
https://github.com/user-attachments/assets/ef97eea5-a409-42b9-8f6d-b82ab16c52a8
🚀 Быстрый старт с Claude Desktop
Хотите сразу использовать это с Claude Desktop? Вот самый быстрый путь:
-
Установка зависимостей:
-
Настройте конфигурацию Claude Desktop по адресу
~/Library/Application Support/Claude/claude_desktop_config.json: -
Перезапусти Claude Desktop и начни исследование! 🎉
Подробные инструкции по настройке смотрите полный раздел Claude Desktop Integration ниже.
Ресурсы
Эта страница переведена автоматически. Технические детали смотрите в оригинале.
README
Показан фрагмент оригинального README. Открыть оригинал.
Why GPT Researcher MCP?
While LLM apps can access web search tools with MCP, GPT Researcher MCP delivers deep research results. Standard search tools return raw results requiring manual filtering, often containing irrelevant sources and wasting context window space.
GPT Researcher autonomously explores and validates numerous sources, focusing only on relevant, trusted and up-to-date information. Though slightly slower than standard search (~30 seconds wait), it delivers:
- ✨ Higher quality information
- 📊 Optimized context usage
- 🔎 Comprehensive results
- 🧠 Better reasoning for LLMs
💻 Claude Desktop Demo
https://github.com/user-attachments/assets/ef97eea5-a409-42b9-8f6d-b82ab16c52a8
🚀 Quick Start with Claude Desktop
Want to use this with Claude Desktop right away? Here’s the fastest path:
-
Install dependencies:
git clone https://github.com/assafelovic/gptr-mcp.git pip install -r requirements.txt -
Set up your Claude Desktop config at
~/Library/Application Support/Claude/claude_desktop_config.json:{ "mcpServers": { "gptr-mcp": { "command": "python", "args": ["/absolute/path/to/gpt-researcher/gptr-mcp/server.py"], "env": { "OPENAI_API_KEY": "your-openai-key-here", "TAVILY_API_KEY": "your-tavily-key-here" } } } } -
Restart Claude Desktop and start researching! 🎉
For detailed setup instructions, see the full Claude Desktop Integration section below.
Resources
research_resource: Get web resources related to a given task via research.
Primary Tools
deep_research: Performs deep web research on a topic, finding the most reliable and relevant informationquick_search: Performs a fast web search optimized for speed over quality, returning search results with snippets. Supports any GPTR supported web retriever such as Tavily, Bing, Google, etc… Learn more herewrite_report: Generate a report based on research resultsget_research_sources: Get the sources used in the researchget_research_context: Get the full context of the research
Prompts
Установка
docker run -d \Конфигурация
{
"mcpServers": {
"gptr-mcp": {
"command": "python",
"args": ["/absolute/path/to/gpt-researcher/gptr-mcp/server.py"],
"env": {
"OPENAI_API_KEY": "your-openai-key-here",
"TAVILY_API_KEY": "your-tavily-key-here"
}
}
}
}