詳細な調査レポートを作成するクロードのMCPサービス

エムシーピー Server Deep Researchは、人工知能とウェブ検索によって複雑な問題の構造化された研究レポートを自動的に生成するオープンソースツールです。ユーザーがリサーチクエスチョンを入力すると、ツールはそのクエスチョンを分解し、権威ある情報を検索し、ソースの信頼性を評価し、引用を含むMarkdownレポートを生成します。これは モデル・コンテキスト・プロトコル (MCP）である。 クロード 学術研究、市場分析、コンテンツ作成のためのデスクトップなどのプラットフォームとのシームレスな統合。

機能一覧

• リサーチクエスチョンを自動的に分解し、トピックの複数の側面をカバーするサブクエスチョンを生成します。
• 権威ある情報を見つけ、多様な視点を収集するための統合ウェブ検索。
• 情報源の信頼性を0から1の尺度で評価する。
• 複数のソースからの情報を統合し、構造化されたMarkdown調査レポートを作成します。
• 調査の深さと幅をカスタマイズし、レポートの詳細レベルを制御するためのサポート。
• 内容のトレーサビリティを確保するために、明確な引用リストを提供する。
• クロードデスクトップなどのMCP対応プラットフォームと統合し、機能を拡張。

ヘルプの使用

設置プロセス

MCP Server Deep Researchを使用するには、Python環境をインストールし、Claude Desktopを設定する必要があります：

1. システム要件の確認
   • Python 3.8以降がインストールされていることを確認してください。以下のコマンドを実行して確認してください：

     python --version
     

   • プロジェクト・コードをダウンロードするためにGitをインストールする：

     git --version
     

   • 依存関係の衝突を避けるため、仮想環境を推奨する：

     python -m venv venv
     source venv/bin/activate  # Linux/Mac
     venv\Scripts\activate     # Windows
     

2. プロジェクト・ウェアハウスのクローン
   GitHubからコードをダウンロードしてください：

   git clone https://github.com/reading-plus-ai/mcp-server-deep-research.git
   cd mcp-server-deep-research
   

3. 依存関係のインストール
   プロジェクト利用 uv 管理依存だが、ウェアハウスが提供するものではない requirements.txt ドキュメント公式ドキュメントや類似プロジェクトの慣例に基づき、依存関係には requestsそしてpydantic およびその他のPythonライブラリ。インストール uv::

   pip install uv
   

   というのも requirements.txtプロジェクトを直接実行し、報告されたエラーに基づいて不足しているライブラリを手動でインストールするか、その後のアップデートについては公式ドキュメントを参照することをお勧めします。通常、必要なライブラリは以下のコマンドでインストールできます：

   pip install requests pydantic
   

   プロジェクトが依存管理を更新した場合（たとえば pyproject.toml もしかしたら requirements.txt)、GitHubリポジトリで最新のコミットを確認してください。

4. クロードデスクトップのインストール
   • をとおして claude.ai/ダウンロード クロードデスクトップをダウンロードする（macOSとWindowsに対応）。
   • インストールしたら、アプリを開いてログインし、インターネット接続が機能していることを確認する。
5. MCPサーバーの設定
   クロード・デスクトップ構成ファイルを編集して、MCP サーバー設定を追加します：
   • 設定ファイルのパス：
     • macOS。 ~/Library/Application Support/Claude/claude_desktop_config.json
     • ウィンドウズ %APPDATA%\Claude\claude_desktop_config.json
   • 以下を追加する（公開サーバーの設定）：

     {
     "mcpServers": {
     "mcp-server-deep-research": {
     "command": "uvx",
     "args": ["mcp-server-deep-research"]
     }
     }
     }
     

   • サーバーの開発バージョンを使用する場合は、次のように設定する：

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

     そうしれいかん /path/to/mcp-server-deep-research 実際のプロジェクト・パスに置き換える。

6. サーバーの起動
   プロジェクト・ディレクトリで実行する：

   uv run mcp-server-deep-research
   

   起動時にサーバーは deep-research テンプレートに関するプロンプトを表示し、調査質問を受け付ける準備をしてください。不足している依存関係についてプロンプトが表示された場合は、報告されたエラーに記載されているライブラリをインストールしてください。

使用方法

MCP Server Deep Researchの中核機能は、調査レポートの自動生成です。以下に操作の流れを示します：

1.リサーチ・クエスチョンの準備

クロード・デスクトップで、MCPプロンプト・テンプレートを開き、以下の項目を選択します。 deep-research..具体的なリサーチクエスチョンを入力してください：

• "ヘルスケアにおける人工知能の分析"
• "持続可能なエネルギーにおける最新技術の進歩に関する研究"
  明確な質問はレポートの質を高める。

2.コンフィギュレーション・スタディ・パラメーター

JSONでチューニングパラメータを設定する：

• depth研究の深さ（1～5、数値が高いほど詳細）。
• breadth研究の幅広さ（1～10、数値が高いほど扱うテーマが多い）。
  例

{
"query": "人工智能在医疗领域的应用",
"depth": 3,
"breadth": 5
}

クロードデスクトップの入力画面でパラメータを設定します。

3.実施研究

質問を送信すると、ツールは自動的に質問を実行します：

• 問題の絞り込み 例：「診断学におけるAIの役割」、「創薬におけるAIの応用」）。
• ウェブ検索 クロードの内蔵検索を使えば、学術論文やニュースなどを見つけることができます。
• 内容分析 情報源の信頼性を評価し（権威と適時性に基づいて0～1の尺度で）、質の高い情報を選別する。
• レポート作成 情報を統合し、概要、分析、結論、引用を含むMarkdownレポートを作成します。

4.レポートの閲覧

レポートは dist/ フォルダーに保存し、ファイル名はリサーチ・クエスチョンの短い説明（例えば ai_medical_applications.md).報告体制：

• 紹介 問題と目的を概説する。
• 主部 サブイシュー分析は分割して表示される。
• 評決を下す 主な調査結果の概要
• 引用 情報源とその信頼性評価を挙げてください。
  ユーザーはMarkdownファイルを開いたり、Obsidianなどのツールにインポートして編集することができる。

5.コミッショニングとロギング

レポート作成に失敗した場合は、ログを確認してください：

• macOS。

  tail -n 20 -f ~/Library/Logs/Claude/mcp*.log
  

• ウィンドウズ

  Get-Content -Path "$env:APPDATA\Claude\logs\mcp*.log" -Tail 20 -Wait
  

ログには検索プロセスとエラーメッセージが表示される。

注目の機能操作

• サブイシューの生成 例えば「持続可能なエネルギー」のような複雑な問題を、「太陽光発電技術の進歩」や「風力発電の費用対効果」に自動的に分解する。
• 信頼性評価 ：情報源は0～1で評価され、権威と適時性に基づいて0.7以上のものが優先される。
• マークダウン・レポート 書式は一貫性があり、見出し、段落、引用を含み、学術的または専門的な使用に適している。
• 柔軟なパラメーター 調整 depth 歌で応える breadth以下は、短い要約や詳細な分析を生成するために使用できる分析の種類のいくつかの例です。

ほら

• クロードデスクトップがログインしていること、ネットワークが安定していること、検索機能にインターネットが必要であることを確認してください。
• 高い depth もしかしたら breadth 実行時間が長くなる可能性がある。depth=2, breadth=4).
• GitHubのリポジトリを定期的にチェックする main 最新情報を入手しよう。
• 不足 requirements.txt これはインストールに問題が生じる可能性があるため、公式ドキュメントのアップデートを確認するか、issueを提出して問い合わせることをお勧めする。

開発者サポート

機能をカスタマイズする必要がある場合は、公式ドキュメントの「開発」セクションを参照してください：

• 同期依存 ::

uv sync

• ディストリビューション・パッケージの構築 ::

uv build

生成されたパッケージは dist/ カタログ

• PyPIに投稿 ::

uv publish

開発者は、GitHubを通じてプル・リクエストを提出することで、コードやドキュメントを貢献することができる。

アプリケーションシナリオ

1. 学術研究
   大学院生は文献レビューを書き、質問を入力すると、ツールが学術リソースを検索し、レポートを作成し、整理する時間を節約する。
2. 市場分析
   アナリストは、「クラウドコンピューティング市場予測2025年」のような業界動向を研究し、ツールは分析レポートを作成するために権威あるデータを収集します。
3. コンテンツ制作
   ジャーナリストは記事のための背景情報を準備し、ツールは構造化されたレポートを作成するために信頼できる情報と引用を提供する。
4. 教育支援
   教師が教材を準備し、トピックを入力すると、授業で使用するのに適した最新情報を含むレポートが作成される。

品質保証

1. MCPサーバーディープリサーチに料金はかかりますか？
   MITライセンスのもと完全にフリーで、コードはGitHubで公開されている。
2. クロードデスクトップを使わなければならないのですか？
   はい、現在のバージョンはクロードデスクトップのMCPフレームワークに依存しています。
3. 報告書の信頼性はどのように保証されるのか？
   情報源は信頼性レーティング（0～1）でフィルタリングされ、レーティングが0.7以上の情報が優先される。
4. オフラインでの使用は可能ですか？
   ウェブ検索にはインターネット接続が必要です。
5. requirements.txtが見つからない場合の対処法は？
   一般的なライブラリ（例えば requestsそしてpydanticまたは、GitHub リポジトリをフォローしてアップデートを確認し、問題の問い合わせを送信してください。