/ 目錄 / 演練場 / deep-research
← 全部伺服器 ↗ GitHub
● 社群 u14app ⚡ 即開即用

deep-research

作者 u14app · u14app/deep-research

使用你自己的 LLM 金鑰，約 2 分鐘內產生完整的深度研究報告——單次工具呼叫，伺服器內部完成多步驟網路研究。

u14app/deep-research 是一個以 MCP 伺服器形式對外公開的研究代理。你自備模型（Gemini、OpenAI、Claude、Deepseek、Ollama 等）以及可選的搜尋服務金鑰（Tavily、Firecrawl、Exa、Brave）。單次工具呼叫即可完成規劃、搜尋與撰寫，並回傳附有引用來源的 Markdown 報告。

▶ 觀看演示 📦 安裝 💡 使用場景

為什麼要用

核心特性

即時演示

實際使用效果

deep-research.replay ▶ 就緒
0/0

安裝

選擇你的客戶端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "deep-research": {
      "command": "npx",
      "args": [
        "-y",
        "deep-research"
      ],
      "_inferred": true
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "deep-research": {
      "command": "npx",
      "args": [
        "-y",
        "deep-research"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "deep-research": {
      "command": "npx",
      "args": [
        "-y",
        "deep-research"
      ],
      "_inferred": true
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示，然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "deep-research": {
      "command": "npx",
      "args": [
        "-y",
        "deep-research"
      ],
      "_inferred": true
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "deep-research",
      "command": "npx",
      "args": [
        "-y",
        "deep-research"
      ]
    }
  ]
}

Continue 使用伺服器物件陣列，而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "deep-research": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "deep-research"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

claude mcp add deep-research -- npx -y deep-research

一行命令搞定。用 claude mcp list 驗證，claude mcp remove 移除。

使用場景

實戰用法： deep-research

如何在 2 分鐘內產出競爭對手市場掃描報告

👤 創辦人、產品經理、策略分析師 ⏱ ~10 min beginner

何時使用： 當你需要某個領域（例如「開源向量資料庫」）的有來源全景分析，卻面對一份空白文件時。

前置條件
  • LLM API 金鑰（MCP_AI_PROVIDER + 對應服務商金鑰） — 至 aistudio.google.com 取得 Gemini 金鑰，或至 platform.openai.com 取得 OpenAI 金鑰
  • 可選的搜尋金鑰（Tavily 或 Firecrawl） — 至 tavily.com 或 firecrawl.dev 取得——免費方案即足以產出數份報告
步驟
  1. 以聚焦的主題呼叫研究工具
    Run deep research on 'managed vector databases for RAG: pricing, ingestion scale, and hybrid search support as of 2026'. Target 1500 words, include citations.✓ 已複製
    → 長時間執行的呼叫回傳附有連結的結構化報告
  2. 要求產出比較表格
    From the report, produce a markdown table: provider | free tier | max vectors | hybrid search | notes.✓ 已複製
    → 可直接貼上任何地方的整潔表格
  3. 深入研究單一競爭對手
    Run a second deep research pass focused only on Qdrant's pricing changes since 2024.✓ 已複製
    → 更精準、更具針對性的報告

結果： 一份 1000 至 2000 字、附引用來源的簡報，當天即可發送給管理層。

注意事項
  • 部分 MCP 客戶端的預設 2 分鐘逾時會中斷呼叫 — 將客戶端逾時時間調高至 600 秒——此工具本就是長時間執行的設計
  • 若搜尋服務商未回傳任何結果，引用來源可能產生幻覺 — 使用 Tavily 或 Firecrawl 而非模型原生搜尋，以提高內容的事實依據
搭配使用： firecrawl · notion

如何產出附來源的技術決策備忘錄

👤 資深工程師、架構師 ⏱ ~15 min intermediate

何時使用： 當你需要在兩種技術之間做出選擇，並且需要一份有說服力的書面報告時。

步驟
  1. 精確地描述問題框架
    Deep research: 'Should a Rails 7 monolith migrate to sidekiq-pro or to a dedicated Go worker service in 2026?' — weigh ops cost, failure modes, community support. Return 1200 words with citations.✓ 已複製
    → 附來源的備忘錄，逐項列出各選項的優缺點
  2. 要求提出反面觀點
    Now rebut the memo — what would a skeptic say?✓ 已複製
    → 基於來源的反駁論點

結果： 一份決策備忘錄加上反向備忘錄，可直接用於架構審查會議。

注意事項
  • 報告很快就會過時——2024 年的資訊可能與 2026 年的現實相悖 — 在查詢中標注「as of 2026」，並在發布前重新執行
搭配使用： notion · github

如何為論文草擬文獻回顧章節

👤 研究人員、研究生 ⏱ ~20 min intermediate

何時使用： 當你熟悉該領域，但需要一份結構化概述及可供核對的引用來源時。

步驟
  1. 定義研究範圍與時間跨度
    Deep research on 'mechanistic interpretability of transformer attention heads 2022-2026'. Organize by theme (circuits, superposition, SAE). Cite arXiv.✓ 已複製
    → 按主題整理並附有 arXiv 連結的回顧
  2. 透過論文搜尋進行交叉核對
    Use paper-search MCP to find any major papers missing from the report.✓ 已複製
    → 缺漏論文清單

結果： 一份附有來源的草稿章節——你仍需親自閱讀這些文獻加以驗證。

注意事項
  • 切勿在未閱讀原始來源的情況下直接引用 Claude 產出的內容 — 將輸出視為初步參考書目——每一篇引用的論文都必須親自閱讀
搭配使用： paper-search

組合

與其他 MCP 搭配，撬動十倍槓桿

deep-research + firecrawl

在進行綜合分析前，使用 firecrawl 取得更高品質的網路檢索結果

Using firecrawl as the search backend, deep research 'AI coding agents benchmarks Q1 2026'.✓ 已複製
deep-research + notion

將完成的報告存入 Notion 資料庫供團隊審閱

After deep research finishes, create a Notion page titled with today's date under 'Research' and paste the full markdown.✓ 已複製
deep-research + paper-search

結合網路研究與 arXiv 覆蓋範圍，適合學術主題

Do a deep research report on constitutional AI, then use paper-search to add any 2025-2026 arXiv papers missing from the sources.✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
deep_research topic: str, depth?: 'shallow'|'standard'|'deep', length_words?: int, language?: str 當你需要的是附來源的報告，而非對話式回覆時 Many LLM + search calls — plan for $0.05-$0.50 per report depending on model

成本與限制

運行它的成本

API 配額
受限於你所選擇的 LLM 及搜尋服務商的配額
每次呼叫 Token 數
單份報告在規劃與綜合階段，思考模型共消耗約 50k 至 300k tokens
費用
自備金鑰——使用 Gemini Flash 每份報告約 $0.05-$0.50；使用 Claude Opus 約 $1-$5
提示
採用低成本規劃模型搭配高成本寫作模型的分工方式：MCP_TASK_MODEL=gemini-flash，MCP_THINKING_MODEL=claude-sonnet。可節省 3 至 5 倍成本。

安全

權限、密鑰、影響範圍

最小權限： API keys for the providers you enable
憑證儲存： 環境變數（MCP_AI_PROVIDER、各服務商 API 金鑰、搜尋金鑰、可選的 ACCESS_PASSWORD）
資料出站： 你的提示詞會傳送至你所設定的 LLM 服務商及搜尋服務商；MCP 伺服器本身不會傳送資料至其他地方
切勿授予： Production billing keys — use a scoped key with a monthly cap

故障排查

常見錯誤與修復

Client times out at 2 minutes

將 MCP 客戶端逾時時間調高至 600 秒。此工具本就是設計為長時間執行。

Missing MCP_AI_PROVIDER

將 MCP_AI_PROVIDER 環境變數設定為以下其中之一：google、openai、anthropic、deepseek、xai、mistral、azure、openrouter、ollama。

驗證： env | grep MCP_AI_PROVIDER
Search returns nothing / report is hollow

將 MCP_SEARCH_PROVIDER 從 'model' 切換為 'tavily' 或 'firecrawl'，並提供對應的金鑰。

401 from ACCESS_PASSWORD-protected server

在客戶端設定中以標頭方式加入密碼：'Authorization: Bearer <password>'。

替代方案

deep-research 對比其他方案

替代方案何時用它替代權衡
OpenAI Deep Research你已付費訂閱 ChatGPT Pro 且想要零設定的方案不支援 MCP、無法自備模型、鎖定於 OpenAI 生態
Gemini Deep Research你已訂閱 Gemini Advanced同樣面臨供應商鎖定的問題
firecrawl MCP你只需要原始爬取的網頁內容，並自行進行綜合分析無自主規劃器；需自行協調各步驟

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills