gemini-deep-research-mcp Skill 技能

基础信息

包名： gemini-deep-research-mcp 类型： PyPI MCP Server 许可： MIT 官网： https://pypi.org/project/gemini-deep-research-mcp/ 源码： https://github.com/bharatvansh/gemini-deep-research-mcp

一句话评价

将 Google Gemini Deep Research Agent 封装为标准 MCP Server，让 AI 编程助手在 30 分钟内完成需要消耗整个上下文窗口的深度网络研究。

核心能力

本 MCP Server 将 Gemini 的 Deep Research Agent 暴露为标准 MCP Tool，主要提供两个核心工具：

start_deep_research(prompt) — 在后台发起一个多步骤深度研究任务，返回 job_id 用于后续查询状态与获取报告。无需等待研究完成即可释放上下文。

check_deep_research(job_id, include_citations) — 查询指定研究任务的状态，若已完成则直接返回包含引用来源的完整 Markdown 报告。

研究任务由 Gemini Deep Research Agent 在云端异步执行，本地仅需配置 GEMINI_API_KEY，无需本地 GPU 或算力。

技术亮点

零安装运行（推荐方式）： 使用 uvx gemini-deep-research-mcp 即可启动，无需提前 pip install，自动解析依赖并以临时进程方式运行。彻底规避了环境配置地狱。

多 IDE 一键接入： 官方提供 Cursor、VS Code（含 Insiders）、Claude Desktop、Windsurf、Cline、Claude Code、Codex、Antigravity 的完整配置示例，覆盖主流 AI 编程工具，每个配置均包含环境变量注入和安装按钮。

支持深度研究变体： 通过 GEMINI_DEEP_RESEARCH_AGENT 环境变量可切换标准模式（deep-research-preview-04-2026）和最大深度模式（deep-research-max-preview-04-2026），后者消耗更多 token 但产出的报告更全面。

引用来源可选： 报告可包含网页来源 URL，便于在写作或技术调研中引用一手信息。

适用场景

• 竞品调研： 让 AI 助手自主浏览数十个竞品页面，汇总功能矩阵与定价策略
• 技术选型： 深度研究某项技术的优缺点、社区活跃度和实际使用反馈
• 市场分析： 快速掌握某行业的现状、主要玩家和发展趋势
• 论文辅助： 查找并总结某领域的研究进展，附带可验证来源

安装要求

• Python ≥ 3.10
• Gemini API Key（从 https://aistudio.google.com/apikey 获取）
• 可选：uv（用于 uvx 零安装模式）

安全提示

本包需要 Gemini API Key，建议仅在本地环境运行，不要将 API Key 提交到代码仓库。可配合 python-dotenv 或 MCP 客户端的环境变量注入机制使用。