Gemini Deepsearch MCP

🚀 Gemini DeepSearch MCP

Gemini DeepSearch MCP 是一款自动化研究代理工具，它借助 Google Gemini 模型和 Google 搜索功能，能够开展深度、多步骤的网络研究。该工具可以生成复杂的查询语句，整合搜索结果中的信息，识别知识缺口，并给出高质量、附带丰富引用的答案。

✨ 主要特性

• 自动化多步骤研究：利用 Gemini 模型和 Google 搜索实现。
• FastMCP 集成：支持 HTTP API 和标准输入输出（stdio）两种部署方式。
• 可配置研究深度：提供低、中、高三种不同的研究深度级别。
• 引用丰富的响应：附带来源追踪信息。
• 基于 LangGraph 的工作流：具备状态管理功能。

🚀 快速开始

开发服务器（HTTP + 工作室用户界面）

启动带有工作室用户界面的 LangGraph 开发服务器：

make dev

本地 MCP 服务器（标准输入输出）

启动使用标准输入输出传输方式的 MCP 服务器，以便与 MCP 客户端集成：

make local

测试

运行测试套件：

make test

测试 MCP 标准输入输出服务器：

make test_mcp

使用 MCP 检查器

make inspect

开启 Langsmith 跟踪功能

GEMINI_API_KEY=AI******* LANGSMITH_API_KEY=ls******* LANGSMITH_TRACING=true make inspect

💻 使用示例

基础用法

上述启动服务器和进行测试的命令示例，就是基础的使用方式，通过这些命令可以快速搭建开发环境并进行测试。

高级用法

在使用 MCP 检查器时开启 Langsmith 跟踪功能，能够更详细地追踪和分析程序运行过程：

GEMINI_API_KEY=AI******* LANGSMITH_API_KEY=ls******* LANGSMITH_TRACING=true make inspect

📚 详细文档

API

deep_search 工具接受以下参数：

• query（字符串）：需要研究的问题或主题。
• effort（字符串）：研究的努力程度，可选择 "low"（低）、"medium"（中）或 "high"（高）。
  • 低：1 个查询，1 个循环，使用 Flash 模型。
  • 中：3 个查询，2 个循环，使用 Flash 模型。
  • 高：5 个查询，3 个循环，使用 Pro 模型。

返回结果：

• answer：包含引用的全面研究响应。
• sources：研究中使用的源 URL 列表。

要求

• Python 3.12 及以上版本。
• 需设置 GEMINI_API_KEY 环境变量。

安装

直接使用 uvx 进行安装：

uvx install gemini-deepsearch-mcp

Claude 桌面集成

要在 Claude 桌面版中使用 MCP 服务器，需将以下配置添加到 Claude 桌面版的配置文件中：

macOS

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "gemini-deepsearch": {
      "command": "uvx",
      "args": ["gemini-deepsearch-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-gemini-api-key-here"
      },
      "timeout": 180000
    }
  }
}

Windows

编辑 %APPDATA%/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "gemini-deepsearch": {
      "command": "uvx",
      "args": ["gemini-deepsearch-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-gemini-api-key-here"
      },
      "timeout": 180000
    }
  }
}

Linux

编辑 ~/.config/claude/claude_desktop_config.json：

{
  "mcpServers": {
    "gemini-deepsearch": {
      "command": "uvx",
      "args": ["gemini-deepsearch-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-gemini-api-key-here"
      },
      "timeout": 180000
    }
  }
}

⚠️ 重要提示

• 请将 your-gemini-api-key-here 替换为你实际的 Gemini API 密钥。
• 更新配置后，请重启 Claude 桌面版。
• 请设置足够长的超时时间，以避免出现 MCP error -32001: Request timed out 错误。

替代方案：本地开发设置

如果你是进行开发工作，或者更倾向于从源代码运行，可以使用以下配置：

{
  "mcpServers": {
    "gemini-deepsearch": {
      "command": "uv",
      "args": ["run", "python", "main.py"],
      "cwd": "/path/to/gemini-deepsearch-mcp",
      "env": {
        "GEMINI_API_KEY": "your-gemini-api-key-here"
      }
    }
  }
}

请将 /path/to/gemini-deepsearch-mcp 替换为你项目目录的实际绝对路径。

配置完成后，你可以在 Claude 桌面版中使用 deep_search 工具，例如提出以下问题：

• "使用 deep_search 研究量子计算的最新发展"
• "以高努力程度搜索可再生能源趋势的相关信息"

代理来源

深度搜索代理来自 Gemini Fullstack LangGraph Quickstart 仓库。

📄 许可证

本项目采用 MIT 许可证。