还在手动盯研究进度白花时间？这个助手技能能替你跑完整个研究流程并自己给出结果，进度随时可查。
怎么用
安装后在项目根目录运行对应命令，或启动 `uv run deep-research-mcp` 作为 MCP 服务器，再让客户端连接它。需要做研究时用 CLI 发起任务，遇到问题可查状态或按后端类型排查配置。
核心用法
它用于在该仓库中运行 `cli/deep-research-cli.py`、调用 `DeepResearchAgent` 和 `ResearchConfig`，以及启动 `deep-research-mcp` 作为 MCP（模型上下文协议，用于让客户端连接工具服务）服务器。CLI 可直接以 agent 模式执行，也可通过 `--server-url` 连接 HTTP MCP 服务；服务端提供 `deep_research`、`research_with_context`、`research_status` 三个工具。
触发场景
在 deep-research-mcp 仓库中工作、需要运行 cli/deep-research-cli.py 直接 agent 模式、需要在 Python 中调用 DeepResearchAgent 和 ResearchConfig、需要将项目作为 MCP 服务器暴露、需要通过 HTTP 从其他客户端连接 MCP 服务器、需要确认 OpenAI/Gemini/DR-Tulu/Open Deep Research 使用的后端、需要排查 ~/.deep_research 中已保存配置导致的 provider 混用
优劣特点
亮点包括：覆盖 CLI、Python API 和 MCP 服务三种使用层；明确列出 OpenAI、Gemini、DR-Tulu、Open Deep Research 的后端与执行方式；支持状态轮询的 provider 有清晰区分。局限包括：只适用于 deep-research-mcp 仓库本身；DR-Tulu 需要单独运行的服务；非 OpenAI 研究提供方的澄清流程不在 Gemini 或 DR-Tulu 后端内实现。
适用人群
维护 deep-research-mcp 仓库的开发者、需要集成该项目 MCP 服务的工具作者、需要调试 provider/后端选择问题的使用者、需要通过 Python 直接编排研究流程的工程人员。
详细说明
它能在 deep-research-mcp 这个项目里帮你运行、接入和排查深度研究功能，包括命令行、Python API、MCP（模型上下文协议）服务器和状态查询。适合要在 Claude Code、Cursor、Codex 或其他支持 MCP 的工具里使用这个项目的开发者。
常见问题
它是做什么的？
还在手动盯研究进度白花时间？这个助手技能能替你跑完整个研究流程并自己给出结果，进度随时可查。
支持哪些工具？
这个技能可以装进 Claude Code、Codex。
怎么用？
安装后在项目根目录运行对应命令，或启动 `uv run deep-research-mcp` 作为 MCP 服务器，再让客户端连接它。需要做研究时用 CLI 发起任务，遇到问题可查状态或按后端类型排查配置。
源码在哪里？
源码地址：https://github.com/pminervini/deep-research-mcp/tree/main/skills/deep-research-mcp
怎么安装？
安装在星算助手客户端里完成 —— 由它决定装进 Claude Code、Codex 还是别的工具，并写好对应配置。