Gptr MCP Test

🔍 GPT研究者MCP服务器

为何选择GPT研究员MCP？

虽然大型语言模型（LLM）应用可以通过MCP访问网络搜索工具， GPT研究员MCP提供深入的研究成果。 标准的搜索工具返回的是原始结果，需要手动筛选，这些结果中常常包含不相关的来源，并且浪费了上下文窗口的空间。

GPT研究者自主探索并验证众多信息源，仅关注相关、可靠且最新的信息。虽然比标准搜索稍慢（等待约30秒），但它能提供：

• ✨ 更高质量的信息
• 📊 优化上下文使用
• 🔎 全面结果
• 🧠 提升大型语言模型（LLMs）的推理能力

💻 Claude 桌面版演示

https://github.com/用户附件/资产/ef97eea5-a409-42b9-8f6d-b82ab16c52a8（注：这里的“用户附件”是根据“user-attachments”直译的，实际使用时可能需要根据上下文调整为更合适的表述，如“用户上传的附件”或“用户附加资源”等）

🚀 快速上手Claude桌面版

想立即在Claude Desktop上使用这个吗？ 这是最快的路线：

1. 安装依赖项：

   git clone https://github.com/assafelovic/gptr-mcp.git
   pip install -r requirements.txt

1. 设置您的Claude桌面配置 在 ~/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"
         }
       }
     }
   }

1. 重启Claude桌面版 并开始研究！ 🎉（庆祝、欢呼的符号，可翻译为“庆祝”或根据上下文具体含义进行翻译，此处保留原样以表达其作为符号的通用性）

如需详细的设置说明，请参阅 完整的Claude桌面集成部分 在......下面

资源

• research_resource通过研究获取与给定任务相关的网络资源。

主要工具

• deep_research对某个主题进行深度暗网研究，寻找最可靠且相关的信息
• quick_search执行快速网页搜索，以速度优先于质量进行优化，返回包含摘要片段的搜索结果。支持任何GPTR（通用网页检索工具）支持的网页检索器，如Tavily、Bing、Google等……了解更多 在这里
• write_report根据研究结果生成一份报告
• get_research_sources获取研究中使用的资料来源
• get_research_context获取研究的完整背景信息

提示

• research_query创建一个研究查询提示

先决条件

在运行MCP服务器之前，请确保您已具备：

1. 已安装 Python 3.11 或更高版本

- 重要的GPT 研究员版本 >=0.12.16 需要 Python 3.11 或更高版本

1. 您计划使用的服务的API密钥：

- OpenAI API密钥 - Tavily API密钥

您也可以使用GPTR支持的检索器连接任何其他网络搜索引擎或MCP。快来看看吧 这里的文档

⚙️ 安装

1. 克隆GPT Researcher仓库：

git clone https://github.com/assafelovic/gpt-researcher.git
cd gpt-researcher

1. 安装gptr-mcp的依赖项：

cd gptr-mcp
pip install -r requirements.txt

1. 设置你的环境变量：

- 复制 .env.example 文件以创建一个名为 .env：

   cp .env.example .env

- 编辑 .env 文件并添加您的API密钥，然后配置其他设置：

   OPENAI_API_KEY=your_openai_api_key
   TAVILY_API_KEY=your_tavily_api_key

你也可以为你的GPT研究者配置添加任何其他环境变量。

🚀 运行MCP服务器

你可以通过多种方式运行MCP服务器：

方法1：直接使用Python

python server.py

方法2：使用MCP CLI（如果已安装）

mcp run server.py

方法3：使用Docker（推荐用于生产环境）

快速入门

使用 Docker 运行的最简单方法：

# Build and run with docker-compose
docker-compose up -d

# Or manually:
docker build -t gptr-mcp .
docker run -d \
  --name gptr-mcp \
  -p 8000:8000 \
  --env-file .env \
  gptr-mcp

用于n8n集成

如果您需要连接到现有的n8n网络：

# First, start the container
docker-compose up -d

# Then connect to your n8n network
docker network connect n8n-mcp-net gptr-mcp

# Or create a shared network first
docker network create n8n-mcp-net
docker network connect n8n-mcp-net gptr-mcp

注该Docker镜像使用Python 3.11以满足gpt-researcher >=0.12.16的要求。如果在构建过程中遇到错误，请确保您使用的是此仓库中的最新Dockerfile。

一旦服务器启动，您将看到输出信息表明服务器已准备好接受连接。您可以通过以下方式验证其是否正常工作：

1. SSE 端点访问位于 http://localhost:8000/sse 的服务器发送事件（Server-Sent Events）端点以获取会话ID
2. MCP Communication（可译为“MCP传媒/传播公司”，具体根据上下文确定更准确的译名）使用会话ID向 http://localhost:8000/messages/?session_id=YOUR_SESSION_ID 发送MCP消息
3. 测试运行测试脚本，使用 python test_mcp_server.py

对于Docker/n8n集成至关重要：

• 服务器绑定到 0.0.0.0:8000 与Docker容器一起工作
• 使用SSE传输进行基于Web的MCP通信
• 会话管理需要从（某个地方）获取会话ID /sse 端点优先
• 每个客户端连接都需要一个唯一的会话ID以确保正常通信

🚦 交通方式与最佳实践

GPT研究者MCP服务器支持多种传输协议，并会自动为您的环境选择最佳协议：

运输类型

自动检测

服务器会自动检测您的环境：

# Local development (default)
python server.py
# ➜ Uses STDIO transport (Claude Desktop compatible)

# Docker environment  
docker run gptr-mcp
# ➜ Auto-detects Docker, uses SSE transport

# Manual override
export MCP_TRANSPORT=sse
python server.py
# ➜ Forces SSE transport

环境变量

配置示例

对于Claude Desktop（本地版）

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "gpt-researcher": {
      "command": "python",
      "args": ["/absolute/path/to/server.py"],
      "env": {
         "..."
      }
    }
  }
}

对于Docker/Web部署

# Set transport explicitly for web deployment
export MCP_TRANSPORT=sse
python server.py

# Or use Docker (auto-detects)
docker-compose up -d

用于n8n MCP集成

# Use the container name as hostname
docker run --name gptr-mcp -p 8000:8000 gptr-mcp

# In n8n, connect to: http://gptr-mcp:8000/sse

传输端点

当使用SSE或HTTP传输时：

• 健康检查： GET /health
• SSE 端点： GET /sse (获取会话ID)
• MCP消息： POST /messages/?session_id=YOUR_SESSION_ID

最佳实践

1. 本地开发为Claude Desktop使用默认STDIO
2. 生产使用Docker并启用自动SSE检测
3. 测试使用健康检查端点来验证连接性
4. n8n 集成使用 Docker 时，始终采用容器网络
5. 网络部署考虑为现代客户端使用Streamable HTTP

与Claude集成

您可以通过以下方式将您的MCP服务器与Claude集成：

Claude桌面集成 - 用于在Mac上使用Claude桌面应用程序

如需详细说明，请点击上方链接。

💻 Claude 桌面集成

要将您本地运行的MCP服务器与Mac版Claude集成，您需要：

1. 确保MCP服务器已安装并正在运行
2. 配置Claude桌面版：

- 定位或创建配置文件于 ~/Library/Application Support/Claude/claude_desktop_config.json - 将您本地的GPT研究者MCP服务器添加到配置中 使用环境变量 - 重启Claude以应用配置

⚠️ 重要：需要环境变量

Claude Desktop 将您的 MCP 服务器作为独立的子进程启动，因此您 必须 在配置中明确传递您的API密钥。服务器无法访问您的shell环境变量或 .env 自动保存文件。

配置示例

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "python",
      "args": ["/absolute/path/to/your/server.py"],
      "env": {
        "OPENAI_API_KEY": "your-actual-openai-key-here",
        "TAVILY_API_KEY": "your-actual-tavily-key-here"
      }
    }
  }
}

安全注意事项

🔒 您的Claude桌面配置包含敏感的API密钥。 保护它：

chmod 600 ~/Library/Application\ Support/Claude/claude_desktop_config.json

永远不要将这个文件提交到版本控制系统中。

备选方案：环境变量脚本

为了提高安全性，请创建一个包装脚本：

运行_gptr_mcp.sh（脚本文件名，根据上下文可具体解释为“运行GPT-R MCP脚本”或保持原样作为文件名）：

#!/bin/bash
source /path/to/your/.env
python /absolute/path/to/server.py

然后在Claude桌面版中使用它：

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "/absolute/path/to/run_gptr_mcp.sh"
    }
  }
}

如需完整的分步指南，请参阅 Claude桌面集成指南.

📝 与Claude一起使用的示例

User: I'm considering investing in NVIDIA. Can you research the current state of the company, recent stock performance, latest product announcements, and analyst opinions?

Claude: I'll help you research NVIDIA for investment purposes. This will take a moment as I conduct deep research to find the most up-to-date information about their stock performance, recent developments, and expert analysis.

[Claude uses deep_research tool - this takes 30-40 seconds]

Claude: Based on my research, here's a comprehensive analysis of NVIDIA's current state:

## NVIDIA (NVDA) Current Status

### Recent Stock Performance
- Current price: $942.89 (as of my research)
- YTD performance: +90.4% 
- 52-week range: $460.30 - $974.00
- Market cap: ~$2.32 trillion

### Recent Key Developments
1. **Blackwell AI Platform**: At GTC 2024, NVIDIA unveiled the Blackwell architecture, their next-generation AI chip platform promising 4x performance improvement over Hopper. Major cloud providers (AWS, Google, Microsoft) have already committed to integrating Blackwell.

2. **Q1 FY2025 Earnings (May 2024)**: 
   - Revenue: $26.0 billion (+262% YoY)
   - Data Center revenue: $22.6 billion (+427% YoY)
   - Gross margin: 78.4%
   - Announced 10-for-1 stock split effective June 7, 2024

3. **Supply Chain Expansion**: Increased investments in manufacturing capacity with TSMC to address ongoing chip shortages for their high-demand AI GPUs.

### Analyst Consensus
- Strong Buy consensus with 37 analysts rating it "Buy," 5 "Hold," and 0 "Sell"
- Average price target: $1,042 (post-split adjusted: $104.20)
- Key bull thesis: Continued AI infrastructure spending and NVIDIA's dominant position in AI chips
- Key bear concerns: Valuation, potential competition from AMD, Intel, and custom silicon from tech giants

### Industry Position
- Dominant in AI GPU market with estimated 80-90% market share
- Expanding ecosystem through CUDA software platform and industry partnerships
- Diversifying beyond chips with DGX Cloud, AI software platforms, and automotive solutions

🔧 故障排除

如果您在运行MCP服务器时遇到问题：

一般问题

1. API密钥确保您的API密钥在（某处）已正确设置 .env 文件
2. Python 版本请确认您正在使用 Python 3.11 或更高版本（gpt-researcher >=0.14.0 版本要求）
3. 依赖项确保所有依赖项都已正确安装： pip install -r requirements.txt
4. 服务器日志检查服务器日志中的错误信息

Docker 问题

1. 容器无法访问：

- 验证容器是否正在运行： docker ps | grep gptr-mcp - 检查容器日志： docker logs gptr-mcp - 确认服务器正在绑定到0.0.0.0:8000（日志中应显示此信息）

1. n8n 集成问题：

- 确保两个容器位于同一个Docker网络中 - 使用容器名称 gptr-mcp 在n8n中作为主机名 - 将MCP服务器URL设置为： http://gptr-mcp:8000/sse

1. 会话ID问题：

- 服务器使用SSE传输，这需要会话管理 - 首先，通过连接获取一个会话ID /sse 终端节点 - 在后续的MCP请求中使用会话ID： /messages/?session_id=YOUR_ID - 每个客户端都需要自己的会话ID

n8n与MCP集成步骤

1. 获取会话ID：

   curl http://gptr-mcp:8000/sse
   # Look for: data: /messages/?session_id=XXXXX

1. 初始化MCP：

   curl -X POST http://gptr-mcp:8000/messages/?session_id=YOUR_SESSION_ID \
     -H "Content-Type: application/json" \
     -d '{"jsonrpc": "2.0", "id": 1, "method": "initialize", "params": {"protocolVersion": "2024-11-05", "capabilities": {"roots": {"listChanged": true}}, "clientInfo": {"name": "n8n-client", "version": "1.0.0"}}}'

1. 呼叫工具:

   curl -X POST http://gptr-mcp:8000/messages/?session_id=YOUR_SESSION_ID \
     -H "Content-Type: application/json" \
     -d '{"jsonrpc": "2.0", "id": 2, "method": "tools/call", "params": {"name": "quick_search", "arguments": {"query": "test"}}}'

测试服务器

运行随附的测试脚本来验证功能：

python test_mcp_server.py

这将测试：

• SSE连接和会话ID获取
• MCP初始化
• 工具发现与执行

Claude 桌面版问题

如果您的MCP服务器无法与Claude Desktop配合工作：

1. 服务器未在Claude中显示：

- 检查你的 claude_desktop_config.json 语法是有效的JSON - 确保你正在使用 绝对路径 （不相关） - 验证路径到 server.py 是正确的 - 完全重启Claude桌面版

1. “OPENAI_API_KEY未找到”错误：

- 确保你已将API密钥添加到 env 在你的配置中的部分 - 别忘了 两者 OPENAI_API_KEY 并且 TAVILY_API_KEY - API密钥应为实际密钥，而非占位符

1. 工具未显示：

- 在Claude桌面版中查找🔧工具图标 - 检查Claude Desktop配置文件是否位于正确的位置： - macOS（苹果电脑操作系统）： ~/Library/Application Support/Claude/claude_desktop_config.json - Windows: %APPDATA%\Claude\claude_desktop_config.json

1. Python/权限问题：

- 确保可以从命令行访问Python： python --version - 尝试使用完整的Python路径： "command": "/usr/bin/python3" 或者 "command": "python3" - 检查你的 server.py 文件的文件权限

1. 还是不行吗？

- 手动测试服务器： python server.py （应显示STDIO传输消息） - 检查Claude Desktop的日志（如果可用） - 尝试上述集成部分中的替代脚本方法

👣 下一步行动

• 探索 MCP协议文档 为了更好地理解如何与Claude进行集成
• 了解关于 GPT研究者的核心功能 提高你的研究能力
• 看看这个 高级用法 更多配置选项的指南

📄 许可证

此项目遵循MIT许可协议——详见LICENSE文件。

📞 支持/联系

• 社区Discord服务器
• 电子邮箱：assaf.elovic@gmail.com

⬆️ Back to Top