Openrouter Deep Research Mcp

JavaScript

wheattoast11

最近更新：1个月前

MCP Server 自动协调与 Claude 和 Perplexity/GPT/Gemini 的研究工作

概述

OpenRouter Agents MCP 服务器

一个为 OpenRouter 实现的模型上下文协议 (MCP) 服务器，提供复杂的研究代理能力。该服务器允许您的对话式 LLM 将研究工作委托给 Claude 研究协调器，该协调器使用由各种 OpenRouter 模型驱动的不同专业代理。

🚀 新测试分支 (2025-03-29)

OpenRouter Agents MCP 服务器技术概述

OpenRouter Agents MCP 服务器实现了一个复杂的 AI 驱动研究编排系统。本摘要重点介绍最新测试版 (2025-03-29) 中的关键技术组件和能力。

核心架构

模型上下文协议 (MCP): 完整实现，同时支持 STDIO 和 HTTP/SSE 传输
多代理编排: 包含规划、研究和上下文代理角色的分层系统
向量嵌入数据库: 使用 pgvector 的 PGLite 用于语义知识存储
轮询负载均衡: 将研究任务分配到不同模型以获得最优结果
自适应降级系统: 当主要研究失败时从高成本模型降级到低成本模型

研究能力

多阶段规划: Claude 3.7 Sonnet 将复杂查询分解为专业子问题
并行执行: 跨多个 LLM 进行并行研究以获得全面结果
上下文感知优化: 第二阶段规划识别并填补初始研究中的空白
语义知识库: 向量搜索查找相关历史研究以增强新查询
自适应综合: 上下文代理整合发现结果，支持可定制的受众级别和格式

🌟 支持本项目

如果您觉得这个项目有帮助，请在 GitHub 上给它一个 star！您的支持有助于改进这个项目。

我们始终欢迎您的反馈和贡献！

先决条件

Node.js (推荐 v18 或更高版本) 和 npm
Git
OpenRouter API 密钥 (在 https://openrouter.ai/ 获取)

功能特性

使用 Claude 3.7 Sonnet 进行研究规划 (思考模式)
由各种 OpenRouter LLM 驱动的多个研究代理
研究任务的轮询模型分配
可配置的成本选项 (高/低) 满足不同研究需求
自包含，无外部数据库依赖
内存缓存实现快速响应
带向量扩展的 PGLite 用于持久存储和相似性搜索

工作原理

当发送研究查询时，规划代理 (Claude 3.7 Sonnet) 将其分解为多个专业研究问题
每个研究问题被分配给使用高成本或低成本 LLM 的不同研究代理
所有代理的结果被综合成全面的研究报告
结果缓存在内存中，并通过嵌入式向量搜索能力持久存储
最终的上下文化报告返回给您

安装 (Node.js / 标准方式)

这是与 MCP 客户端 (如 VS Code 中的 Cline) 集成的推荐方法。

克隆此仓库：

bash 复制代码

git clone https://github.com/wheattoast11/openrouter-deep-research-mcp.git
cd openrouter-agents

安装依赖：
bash 复制代码
```
npm install
```
从示例创建 .env 文件：
bash 复制代码
```
cp .env.example .env
```
(在 Windows 上，您可能需要使用 copy .env.example .env)
编辑 .env 文件并添加您的 OpenRouter API 密钥：
dotenv 复制代码
```
OPENROUTER_API_KEY=您的API密钥
```
(确保此文件保存在项目根目录中)

Cline / VS Code MCP 集成 (推荐)

要在 VS Code 的 Cline 中使用此服务器，您需要将其添加到 MCP 设置文件中。

定位您的 Cline MCP 设置文件:
- 通常位于：c:\Users\您的用户名\AppData\Roaming\Cursor\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json (Windows) 或 ~/Library/Application Support/Cursor/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json (macOS)。请替换 您的用户名。

编辑 cline_mcp_settings.json 文件: 在主 mcpServers 对象中添加以下配置对象。确保将 "YOUR_PROJECT_PATH_HERE" 替换为您克隆此仓库的绝对路径，将 "YOUR_OPENROUTER_API_KEY_HERE" 替换为您的实际 API 密钥。

json 复制代码

{
  "mcpServers": {
    // ... 可能已有的其他服务器 ...

    "openrouter-research-agents": {
      "command": "cmd.exe", 
      "args": [
        "/c", 
        "YOUR_PROJECT_PATH_HERE/start-mcp-server.bat"
      ], 
      "env": {
        // 重要：替换为您的实际 OpenRouter API 密钥
        "OPENROUTER_API_KEY": "YOUR_OPENROUTER_API_KEY_HERE" 
      },
      "disabled": false, // 确保服务器启用
      "autoApprove": [
        "conduct_research",
        "research_follow_up",
        "get_past_research",
        "rate_research_report",
        "list_research_history"
      ]
    }

    // ... 可能已有的其他服务器 ...
  }
}

为什么要使用批处理文件？ 使用批处理文件可确保服务器以正确的环境和目录上下文启动。
为什么在 env 中提供 API 密钥？ 虽然服务器使用 dotenv 加载 .env 文件，但在 env 块中提供密钥可确保服务器进程始终能访问它。

保存设置文件。 Cline 应自动检测新的服务器配置。如果未立即显示，可能需要重启 VS Code 或 Cline 扩展。

配置完成后，您将在 Cline 中看到 conduct_research 和其他研究工具可用。您可以这样使用它们：

复制代码

你能研究量子计算的最新进展吗？

或指定成本偏好：

复制代码

你能对气候变化缓解策略进行高成本研究吗？

可用模型

高成本模型

perplexity/sonar-deep-research
perplexity/sonar-pro
perplexity/sonar-reasoning-pro
openai/gpt-4o-search-preview

低成本模型

perplexity/sonar-reasoning
openai/gpt-4o-mini-search-preview
google/gemini-2.0-flash-001

自定义配置

您可以通过编辑 .env 文件自定义可用模型：

复制代码

HIGH_COST_MODELS=perplexity/sonar-deep-research,perplexity/sonar-pro,其他模型
LOW_COST_MODELS=perplexity/sonar-reasoning,openai/gpt-4o-mini-search-preview,其他模型

您还可以在 .env 文件中自定义数据库和缓存设置：

复制代码

PGLITE_DATA_DIR=./researchAgentDB
CACHE_TTL_SECONDS=3600

替代安装：用于 Claude 桌面应用的 HTTP/SSE

服务器也可以作为独立的 HTTP/SSE 服务运行，以便与 Claude 桌面应用集成。

HTTP/SSE 安装步骤

克隆此仓库 (如果尚未完成)：

bash 复制代码

git clone https://github.com/wheattoast11/openrouter-deep-research-mcp.git
cd openrouter-agents

按照标准安装中的步骤 3 和 4 创建并配置您的 .env 文件。
使用 npm 启动服务器：
bash 复制代码
```
npm start
```
MCP 服务器将通过 HTTP/SSE 在 http://localhost:3002 运行 (或您在 .env 中指定的端口)。

Claude 桌面应用集成 (HTTP/SSE)

打开 Claude 桌面应用。
转到设置 > 开发者。
点击 "编辑配置"。

在配置的 mcpServers 数组中添加以下内容：

json 复制代码

{
  "type": "sse",
  "name": "OpenRouter Research Agents (HTTP)", // 如果也使用 STDIO 则区分
  "host": "localhost",
  "port": 3002, // 或您配置的端口
  "streamPath": "/sse",
  "messagePath": "/messages"
}

保存并重启 Claude。

持久性与数据存储

本服务器使用：

内存缓存: 用于高效响应缓存 (使用 node-cache)
带 pgvector 的 PGLite: 用于研究报告的持久存储和向量搜索能力
- 研究报告存储时带有向量嵌入，用于语义相似性搜索
- 向量搜索用于为新查询查找相关历史研究
- 所有数据本地存储在指定数据目录中 (默认: './researchAgentDB')

故障排除

连接问题: 确保 Claude 的开发者设置与服务器配置匹配
API 密钥错误: 验证您的 OpenRouter API 密钥是否正确
找不到代理: 如果规划失败，确保 Claude 正确解析 XML
模型错误: 检查指定模型是否在您的 OpenRouter 账户中可用

高级配置

服务器配置可在 config.js 中修改。您可以调整：

可用模型
默认成本偏好
规划代理设置
服务器端口和配置
数据库和缓存设置

认证安全

根据最新更新，HTTP/SSE 传输现在默认强制 API 密钥认证：

为生产环境在 .env 文件中设置 SERVER_API_KEY 环境变量：
复制代码
```
SERVER_API_KEY=您的安全API密钥
```
仅用于开发/测试，您可以通过设置禁用认证：
复制代码
```
ALLOW_NO_API_KEY=true
```

这为生产部署提供了增强的安全性，同时保持了开发和测试的灵活性。

测试工具

仓库包含多个测试工具来验证实现：

基本工具测试：
bash 复制代码
```
test-all-tools.bat
```
此脚本隔离测试所有五个 MCP 工具以验证它们是否正常工作。
MCP 服务器测试：
bash 复制代码
```
test-mcp-server.js
```
测试 MCP 服务器实现，包括所有传输选项。
研究代理测试：
bash 复制代码
```
test-research-agent.js
```
使用实际的 OpenRouter API 调用测试核心研究代理功能。

这些工具有助于确保所有组件在修改后都能正常工作。

许可证

MIT

Openrouter Deep Research Mcp

OpenRouter Agents MCP 服务器

🚀 新测试分支 (2025-03-29)

OpenRouter Agents MCP 服务器技术概述

核心架构

研究能力

最新改进

🌟 支持本项目

先决条件

功能特性

工作原理

安装 (Node.js / 标准方式)

Cline / VS Code MCP 集成 (推荐)

可用模型

高成本模型

低成本模型

自定义配置

替代安装：用于 Claude 桌面应用的 HTTP/SSE

HTTP/SSE 安装步骤

Claude 桌面应用集成 (HTTP/SSE)

持久性与数据存储

故障排除

高级配置

认证安全

测试工具

许可证

1panel

Aact mcp

Abap Adt

Adwords Mcp

Adx Server

猫目

友情链接

热门推荐

关于

关注我们