MCP 서버를 이용한 오픈 소스 심층 연구 에이전트 구축하기

독점 옵션인 OpenAI의 Deep Research 및 Google의 Deep Researcher에 의존하는 대신, 자신만의 오픈 소스 심층 연구 에이전트를 만드는 것을 생각해 본 적이 있나요? Sequential-Thinking 및 Exa와 같은 강력한 모델 컨텍스트 프로토콜 (MCP) 서버를 사용하면 독점 도구에 대한 인상적이고 견고한 대안을 구축할 수 있습니다.

💡

Windsurf 또는 Cursor와 같은 AI IDE와 함께 작업하면서 Apidog로 API 워크플로를 향상시키세요! 이 무료 올인원 플랫폼을 통해 API를 쉽게 설계, 테스트, 모의, 그리고 문서화할 수 있습니다. 시도해 보고 개발 수준을 한 단계 끌어올리세요!

버튼

이 가이드에서는 두 개의 MCP 서버만 사용하여 자신만의 연구 에이전트 설정 및 실행하는 방법을 안내합니다.
✅ Sequential-Thinking – 구조적 추론 및 분석을 위한 것입니다.
✅ Exa – 강력한 AI 기반 웹 검색을 위한 것입니다.

💡

HiMCP에서 1682개 이상의 훌륭한 MCP 서버 및 클라이언트를 발견하고 AI 코딩 워크플로를 간편하게 강화하는 것을 잊지 마세요!

HiMCP.ai - 1682개 이상의 MCP 서버 발견

우리는 Windsurf IDE를 사용하고 선택한 AI 모델을 통합하여 작업할 것입니다. 이 자습서에서는 DeepSeek V3를 사용할 것이지만, Claude Sonnet 3.5 또는 3.7(Anthropic에서 제공)와 같은 모델이나 GPT-4o 또는 GPT-3.5(OpenAI에서 제공) 및 O3-mini 등의 모델을 선택할 수도 있습니다.

Claude Sonnet 3.5 또는 3.7 (Anthropic에서 제공)
GPT-4o 또는 GPT-3.5 (OpenAI에서 제공)
O3-mini 등 기타 모델

시작해 볼까요! 🚀

오픈 소스 심층 연구 에이전트란 무엇인가?

그럼 우리가 작업할 "오픈 소스 심층 연구 에이전트"란 도구는 실체가 무엇일까요? 본질적으로 오픈 소스 심층 연구 에이전트는 모델 컨텍스트 프로토콜 (MCP)의 힘을 활용하여 연구 작업을 자동화하도록 설계된 도구입니다. 이 도구는 AI 기반 추론의 힘과 웹 검색 기능을 결합하여, 여러 출처에서 정보를 신속하게 수집, 분석 및 요약할 수 있게 합니다.

작동 방식은 다음과 같습니다:

이 도구는 MCP 서버에 연결하여, 예를 들어 Sequential-Thinking 또는 Exa와 같은 서버에서 연구 쿼리를 지능적으로 처리합니다.
축적된 정보에서 해석, 요약 및 통찰력을 생성하기 위해 AI 모델과 통합됩니다.
관련 데이터를 가져오기 위해 웹 검색 기능을 활용하여 귀하의 연구가 포괄적이고 최신 상태인지 확인합니다.
오픈 소스 구성요소로 구축되었기 때문에 귀하는 자신의 데이터에 대해 완전한 제어를 유지하여 투명성과 사용자 정의가 가능합니다.

이 오픈 소스 심층 연구 에이전트는 누구에게 적합한가요?

이 심층 연구 에이전트는 다음과 같은 사람들에게 이상적입니다:
1. 연구자 및 학자 – 다양한 출처에서 정보를 빠르게 수집하고 분석하여 학술 저작, 문헌 검토 또는 과학적 탐구를 지원합니다.
2. 저널리스트 및 작가 – 기사, 보고서 또는 탐사 저널리즘을 위한 배경 연구, 사실 확인 및 콘텐츠 큐레이션을 자동화합니다.
3. 개발자 및 AI 애호가 – AI 기반 워크플로를 실험하거나 맞춤형 연구 도우미를 구축하거나 MCP 서버를 프로젝트에 통합합니다.
4. 분석가 및 정책 입안자 – 방대한 데이터 세트, 보고서 및 뉴스 출처에서 통찰력을 추출하여 의사 결정을 지원합니다.
5. 학생 및 평생 학습자 – 주요 개념을 요약하고 잘 구조화된 설명을 생성하여 학습 세션을 간소화합니다.

오픈 소스 심층 연구 에이전트가 가장 유용할 때는 언제인가요?

1. 대규모 연구 처리 – 여러 출처에 걸쳐 방대한 양의 정보를 다룰 때, AI 지원 연구 에이전트는 시간과 노력을 절약할 수 있습니다.
2. 반복적인 연구 작업 자동화 – 유사한 검색을 자주 수행하는 경우 이 도구는 프로세스를 자동화하여 수동 작업을 줄일 수 있습니다.
3. 편향이 없고 투명한 연구 보장 – 폐쇄형 연구 도구와 달리 오픈 소스 솔루션을 사용하면 데이터 처리 방법을 확인하고 완전한 제어를 유지할 수 있습니다.
4. 맞춤형 AI 모델 작업 – 특정 LLM(예: DeepSeek v3)를 사용하거나 도메인 특정 AI 모델이 필요한 경우 이 도구를 통해 선택한 모델을 통합할 수 있습니다.
5. 생산성 향상 – AI 기반 추론과 웹 검색을 결합하면 전통적인 연구 방법보다 더 빠르게 잘 조직된 통찰력을 얻을 수 있습니다.

오픈 소스 심층 연구 에이전트 설정 방법

전제 조건:

Windsurf IDE: 최신 버전의 Windsurf는 공식 웹사이트에서 설치할 수 있습니다.
Node.js: v20 이상이 권장됩니다.
npm: 최신 버전의 npm을 사용하는 것이 권장되지만, v7로도 잘 작동할 수 있습니다.

1단계: 새 프로젝트 폴더 만들기

새 폴더 만들기: 프로젝트를 위한 새 폴더를 만듭니다, 예: deep_researcher.

Windsurf IDE로 열기: MCP 서버 통합을 지원하는 Windsurf IDE를 사용하여 이 폴더를 엽니다.

2단계: Sequential-Thinking MCP 서버 설치

Sequential-Thinking MCP 설치: 아래 명령어를 실행하여 Sequential-Thinking MCP 서버를 설치하고 구성합니다. 수동 구성 변경 없이 서버가 자동으로 설정됩니다.

npx -y @smithery/cli@latest install @smithery-ai/server-sequential-thinking --client windsurf --config "{}"

구성 확인: Windsurf의 구성 디렉토리 .codeium에서 mcp_config.json 파일을 확인하여 Sequential-Thinking 서버가 올바르게 구성되었는지 확인합니다. 파일 내용은 다음과 같아야 합니다:

# mcp_config.json 파일

{
  "mcpServers": {
    "server-sequential-thinking": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@smithery-ai/server-sequential-thinking",
        "--config",
        "\"{}\""
      ]
    }
  }
}

파일이 비어 있으면 GitHub 리포지토리를 방문하여 업데이트된 구성을 확인하거나 위의 내용을 복사하여 붙여넣으세요.

서버 테스트: 샘플 명령을 실행하여 Sequential-Thinking MCP 서버를 테스트합니다. 예를 들면:

# 샘플 입력
>> 순차적 사고를 사용하여 간단한 Flappy Bird Python 게임을 개발하는 데 도움을 주세요.

3단계: Exa 웹 검색 MCP 서버 설정

Exa 계정 만들기 및 API 키 얻기:

Exa 공식 웹사이트를 방문하여 계정을 만들고 프로필의 "API 키" 섹션에서 무료 API 키를 얻습니다.

Exa MCP 서버 리포지토리 복제: GitHub에서 Exa MCP 서버 리포지토리를 복제합니다:

git clone https://github.com/exa-labs/exa-mcp-server.git cd exa-mcp-server

종속성 설치 및 프로젝트 빌드:

다음 명령을 실행하여 npm을 사용하여 모든 종속성을 설치합니다:

npm install

프로젝트를 빌드합니다:

npm run build

글로벌 링크 만들기:

다음 명령을 실행하여 Exa MCP 서버를 어디서나 실행할 수 있도록 하세요:

npm link

Windsurf에서 Exa MCP 서버 구성:

Exa의 GitHub 리포지토리에서 최신 구성으로 mcp_config.json 파일을 업데이트합니다. 예시 텍스트를 실제 API 키로 바꿉니다. 다음과 같이 보여야 합니다:

# mcp_config.json 파일

{
  "mcpServers": {
    "server-sequential-thinking": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@smithery-ai/server-sequential-thinking",
        "--config",
        "\"{}\""
      ]
    },
    "exa": {
      "command": "npx",
      "args": ["C:/Research_agent/exa-mcp-server/build/index.js"],
      "env": {
        "EXA_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

Exa MCP 서버 테스트: 샘플 프롬프트를 실행하여 Exa 서버가 작동하는지 확인합니다. 예를 들면:

# 샘플 입력
>> AGI에 대한 블로그 게시물을 찾아보세요.

오픈 소스 심층 연구 에이전트 사용하기

이제 두 개의 MCP 서버가 올바르게 설정되고 구성되었으므로 이를 사용하여 심층 연구 도구를 만들 수 있습니다. 설정을 테스트하기 위한 샘플 프롬프트는 다음과 같습니다:

# 샘플 입력
>> 순차적 사고를 사용할 때 가능한 많은 단계를 사용하세요. 각 순차적 사고 단계는 branches, isRevision 및 needsMoreThoughts를 사용해야 하며 각 브랜치에는 최소 3단계가 필요합니다. 각 순차적 사고 단계 전에 Exa를 사용하여 3개의 관련 웹 페이지를 검색한 다음 웹 페이지의 내용을 고려하세요. 최종 응답은 충분히 긴 적절히 구조화된 내용이어야 합니다. 질문: 형이상학이란 무엇인가?

이 프롬프트는 귀하의 질문에 답하기 위해 모델이 사용한 검색 링크가 포함된 구조화된 응답을 생성합니다.

웹 검색 링크:

샘플 출력:

특징 및 장점

유연성과 제어:

오픈 소스 MCP 서버를 사용하여 연구 프로세스와 데이터 개인 정보에 대한 완전한 제어를 유지합니다.

사용자 정의:

DeepSeek v3, Claude Sonnet 3.5 또는 GPT 4o와 같은 다양한 AI 모델을 선택하여 연구 도구를 특정 요구 사항에 맞게 조정할 수 있습니다.

비용 효율성:

자체 MCP 서버를 운영하는 것이 독점 서비스에 의존하는 것보다 비용이 더 저렴할 수 있으며, 특히 빈번한 연구 작업이나 대규모 연구 작업에 유리합니다.

오픈 소스 심층 연구 에이전트가 작동하지 않을 때 할 일

MCP 서버와 함께 오픈 소스 심층 연구 에이전트를 설정하고 사용하는 과정에서 몇 가지 문제가 발생할 수 있습니다. 다음은 일반적인 문제와 그 해결책입니다:

MCP 서버가 올바르게 구성되지 않음:

MCP 서버가 예상대로 작동하지 않으면 구성 파일(예: mcp_config.json)에서 오류를 확인하세요. API 키가 올바르게 설정되어 있는지, 서버가 올바르게 연결되어 있는지 확인합니다.

API 키 문제:

API 키와 관련된 오류가 발생하면 구성 파일에 올바르게 입력되었는지 확인합니다. 또한 API 키가 만료되었거나 사용 한도를 초과했는지 확인하세요.

모델이 응답하지 않음:

AI 모델이 응답하지 않으면 올바르게 설치 및 구성되었는지 확인하세요. 모델이나 해당 종속성의 업데이트가 있는지 확인합니다.

웹 검색 결과 없음:

웹 검색 결과가 반환되지 않으면 인터넷 연결을 확인하고 검색 API(예: Exa)가 올바르게 작동하는지 확인하세요.

결론

Sequential-Thinking 및 Exa와 같은 MCP 서버를 사용하여 오픈 소스 심층 연구 에이전트를 구축하는 것은 독점 도구에 대한 강력한 대안을 제공합니다. 이 서버를 Windsurf IDE와 선호하는 AI 모델과 통합함으로써 데이터 개인 정보 및 제어를 유지하는 유연하고 비용 효율적인 연구 도구를 만들 수 있습니다.

버튼