¿Alguna vez has deseado poder aprovechar el poder de la IA para una investigación verdaderamente profunda, pero te has sentido limitado por las soluciones de código cerrado y las preocupaciones por la privacidad de los datos? Pues, ¡prepárate para arremangarte porque en este artículo, vamos a construir nuestra propia Herramienta de Investigación Profunda de Código Abierto impulsada por la API de Gemini!
Así es, vamos a crear una potencia de investigación que está completamente bajo tu control. Puedes pensar en ello como tener un asistente de investigación de IA dedicado a tu alcance, listo para sumergirse profundamente en cualquier tema que le lances. ¿Y la mejor parte? Estaremos aprovechando la API de Gemini para obtener análisis precisos y perspicaces. ¡Empecemos!
We’re thrilled to share that MCP support is coming soon to Apidog! 🚀
— Apidog (@ApidogHQ) March 19, 2025
Apidog MCP Server lets you feed API docs directly to Agentic AI, supercharging your vibe coding experience! Whether you're using Cursor, Cline, or Windsurf - it'll make your dev process faster and smoother.… pic.twitter.com/ew8U38mU0K

¿Qué es la Investigación Profunda de Código Abierto?
La Investigación Profunda de Código Abierto se trata de tomar el control de tu proceso de investigación. Se trata de aprovechar el poder de la IA manteniendo la transparencia, la privacidad y la capacidad de personalizar tus herramientas para que se ajusten a tus necesidades específicas. Al construir nuestra propia herramienta de investigación, evitamos las limitaciones y los posibles sesgos de las soluciones de código cerrado y nos aseguramos de que nuestros datos permanezcan seguros. El MCP puede facilitar este proceso, asegurando una integración adecuada con varias APIs y funcionalidades para un rendimiento mejorado.
¿Por qué usar la API de Gemini para la Investigación Profunda?
La API de Gemini ofrece un enfoque de vanguardia para la inteligencia artificial, permitiendo interacciones hombre-máquina más intuitivas y eficaces. Destaca al proporcionar no solo información basada en texto, sino también al admitir entradas multimodales, lo que permite una comprensión más rica de los materiales de investigación a través de imágenes, vídeos y audio. Esto la hace particularmente valiosa para proyectos de investigación exhaustivos que requieren el análisis de diversos tipos de datos. Además, el diseño flexible de la API y el sólido soporte para desarrolladores fomentan la innovación y la personalización, permitiendo a los investigadores adaptar la herramienta para satisfacer sus necesidades y contextos específicos, fomentando en última instancia una comprensión más profunda y matizada de temas complejos.
Características clave de nuestra herramienta de investigación profunda de código abierto
Antes de sumergirnos en el proceso de construcción, echemos un vistazo a algunas de las características que vamos a dar vida:
- Investigación Profunda Rápida para obtener información rápida.
- Soporte Multiplataforma para un acceso perfecto.
- Impulsado por Google Gemini para capacidades avanzadas de IA.
- Modelos de Pensamiento y Redes para un análisis inteligente.
- Soporte de Lienzo para la organización visual.
- Historial de Investigación para realizar un seguimiento del progreso.
- Soporte de API Local y de Servidor para la flexibilidad.
- Diseño Centrado en la Privacidad para una investigación segura.
- Soporte de Carga Útil Multi-Clave para una funcionalidad mejorada.
- Soporte Multilingüe: Inglés, 简体中文.
- Construido con Tecnologías Modernas para la eficiencia y el rendimiento.
Empezando con la herramienta de investigación profunda de código abierto
¿Listo para construir tu propio asistente de investigación impulsado por IA? Esto es lo que necesitarás para empezar:
1. Obtener la clave de la API de Gemini: En primer lugar, necesitarás una clave de la API de Gemini para acceder al poder de los modelos de IA de Google. Dirígete a Google AI Studio y regístrate para obtener una clave de API. Mantén esta clave segura y protegida: ¡es tu pasaporte al mundo de Gemini!

2. Despliegue con un solo clic (Opcional): Para el inicio más rápido posible, puedes utilizar las opciones de despliegue con un solo clic:
- Desplegar con Vercel (Las instrucciones para Vercel suelen ser sencillas y requieren vincular tu repositorio de GitHub y tu cuenta de Vercel).

- Desplegar con Cloudflare (Actualmente el proyecto soporta el despliegue en Cloudflare, pero necesitas seguir Cómo desplegar en Cloudflare Pages para hacerlo).

Estas opciones pondrán en marcha tu herramienta de investigación en minutos, pero para la experiencia de personalización completa, nos centraremos en el desarrollo local.
Desarrollar la herramienta de investigación profunda de código abierto
¡Sumerjámonos en el corazón del proceso de construcción! Sigue estos pasos para poner en marcha Deep Research en tu navegador local.
Requisitos previos
Antes de empezar, asegúrate de tener lo siguiente instalado en tu sistema:
- Node.js: (se recomienda la versión 18.18.0 o posterior). Puedes descargarlo desde el sitio web oficial de Node.js.

- pnpm o npm o yarn: Estos son gestores de paquetes para Node.js. Usaremos pnpm en este tutorial, pero puedes usar el que prefieras.
Instalación
1. Clonar el repositorio:
git clone https://github.com/u14app/deep-research.git
cd deep-research
Esto descargará el código de GitHub y te moverá al directorio del proyecto.
2. Instalar dependencias:
pnpm install # or npm install or yarn install
Este comando instalará todos los paquetes necesarios para el proyecto.
3. Configurar las variables de entorno:
¡Este es un paso crucial! Necesitarás crear un archivo .env en el directorio raíz de tu proyecto y configurar las siguientes variables de entorno:
# (Opcional) Clave de la API de Gemini del lado del servidor (Requerida para las llamadas a la API del servidor)
GOOGLE_GENERATIVE_AI_API_KEY=TU_CLAVE_DE_API_DE_GEMINI
# (Opcional) URL del proxy de la API del servidor. Por defecto, `https://generativelanguage.googleapis.com`
API_PROXY_BASE_URL=
# (Opcional) Contraseña de acceso a la API del servidor para una mayor seguridad
ACCESS_PASSWORD=
# (Opcional) El código de script inyectado se puede utilizar para estadísticas o seguimiento de errores.
HEAD_SCRIPTS=
Reemplaza TU_CLAVE_DE_API_DE_GEMINI con la clave de API real que obtuviste de Google AI Studio.
Notas importantes sobre las variables de entorno:
- GOOGLE_GENERATIVE_AI_API_KEY: Opcional pero requerido para usar la API del lado del servidor. Necesitas obtener una clave de API de Google Generative AI de Google AI Studio. Esta clave debe mantenerse en secreto y nunca debe ser enviada a tu repositorio público.
- API_PROXY_BASE_URL: Opcional. Si necesitas usar un servidor proxy para las peticiones de la API, configura esta variable con la URL base de tu servidor proxy. Esto es relevante para las llamadas a la API del lado del servidor.
- ACCESS_PASSWORD: Opcional pero muy recomendable para las implementaciones del lado del servidor. Establece una contraseña segura para proteger tus puntos finales de la API del lado del servidor. Esta contraseña será necesaria para acceder a las funcionalidades de la API del lado del servidor.
- HEAD_SCRIPTS: Opcional. El código de script inyectado se puede utilizar para estadísticas o seguimiento de errores.
Recordatorio de privacidad: Estas variables de entorno se utilizan principalmente para las llamadas a la API del lado del servidor. Cuando se utiliza el modo de API local, no se necesitan claves de API ni configuraciones del lado del servidor, lo que mejora aún más tu privacidad.
Soporte multi-clave: Soporta múltiples claves, cada clave está separada por ,, es decir, clave1,clave2,clave3. Cloudflare no puede usar multi-clave por el momento porque el script de construcción oficial no soporta Next.js 15.
4. Ejecutar el servidor de desarrollo:
pnpm dev # or npm run dev or yarn dev
Esto iniciará el servidor de desarrollo, y puedes acceder a Deep Research en tu navegador en http://localhost:3000.
- Empieza a hacer cualquier pregunta que necesites investigar.

- ¡Y mira los resultados!

Desplegar la herramienta de investigación profunda de código abierto
Una vez que estés contento con tu configuración local, ¡puedes desplegar tu herramienta de investigación en la nube! Aquí tienes algunas opciones populares:
1. Vercel: Desplegar con Vercel (Esta suele ser la opción más fácil).
2. Cloudflare: Actualmente el proyecto soporta el despliegue en Cloudflare, pero necesitas seguir Cómo desplegar en Cloudflare Pages para hacerlo.
3. Docker:
- La versión de Docker debe ser 20 o superior.
- Extrae la imagen preconstruida:
docker pull xiangfa/deep-research:latest
- Ejecuta el contenedor:
docker run -d --name deep-research -p 3333:3000 xiangfa/deep-research
También puedes especificar variables de entorno:
docker run -d --name deep-research \
-p 3333:3000 \
-e GOOGLE_GENERATIVE_AI_API_KEY=AIzaSy... \
-e ACCESS_PASSWORD=your-password \
xiangfa/deep-research
- O construye tu propia imagen docker:
docker build -t deep-research .
docker run -d --name deep-research -p 3333:3000 deep-research
- Despliega usando docker-compose.yml:
version: '3.9'
services:
deep-research:
image: xiangfa/deep-research
container_name: deep-research
environment:
- GOOGLE_GENERATIVE_AI_API_KEY=AIzaSy...
- ACCESS_PASSWORD=your-password
ports:
- 3333:3000
Luego construye tu propio docker compose:
docker compose -f docker-compose.yml build
4. Despliegue estático:
- También puedes construir una versión de página estática directamente y luego subir todos los archivos en el directorio out a cualquier servicio de sitio web que soporte páginas estáticas, como Github Page, Cloudflare, Vercel, etc.
pnpm build:export
Configuración de la herramienta de investigación profunda de código abierto
Como se mencionó en la sección "Empezando con la herramienta de investigación profunda de código abierto", Deep Research utiliza las siguientes variables de entorno para las configuraciones de la API del lado del servidor:
- GOOGLE_GENERATIVE_AI_API_KEY
- API_PROXY_BASE_URL
- ACCESS_PASSWORD
Estas variables solo son necesarias si tienes la intención de utilizar la funcionalidad de llamada a la API del lado del servidor. Para las llamadas a la API local, no es necesaria ninguna configuración más allá de la configuración del proyecto.
¡Recuerda mantener siempre seguras tus claves de API y contraseñas!
Conclusión: Potenciando tu investigación con IA
¡Ahora has construido con éxito tu propia herramienta de Investigación Profunda de Código Abierto impulsada por la API de Gemini! Este es un gran paso para desbloquear todo el potencial de la IA en tu proceso de investigación.
Al construir tu propia herramienta, obtienes un control completo sobre tus datos, personalizas tus flujos de trabajo y contribuyes a la comunidad de código abierto. Experimenta con diferentes modelos de investigación, explora las capacidades de la API de Gemini y crea herramientas personalizadas para personalizar verdaderamente tu experiencia de investigación.
El futuro de la investigación es inteligente y abierto. ¡Adopta la Investigación Profunda de Código Abierto y empodérate con el conocimiento que necesitas!
