Langgraph Deep Search MCP Server

Google Gemini公式実装をベースにしたLangGraphのAIエージェントを使用して包括的な調査を実行します。

🎯 実装について

Langgraph Implementation

• 完全にGoogleの公式実装をベース
• Gemini 2.5 Flashのネイティブ検索機能使用
• LangGraphによる状態管理とワークフロー
• grounding metadataによる自動引用

🌟 機能

• Deep Search: 複数回の検索イテレーションによる包括的な調査
• Quick Search: 単発検索による迅速な結果取得
• Gemini Native Search: Gemini 2.5 Flashのネイティブ検索機能を使用した高品質な検索
• AI Analysis: Gemini 2.5 Proを使用した結果の分析と統合
• MCP Integration: Model Context Protocolによる外部アプリケーションとの統合
• 自動引用: grounding metadataによる自動的なソース情報取得

🚀 クイックスタート

方法1: uvx使用 (推奨)

# 1. プロジェクトのクローン
git clone https://github.com/RyotaOzawa0/langgraph-deepsearch-mcp.git
cd deep-search-mcp-server

# 2. 環境変数設定
export GEMINI_API_KEY=your_gemini_api_key_here

# 3. MCPサーバー起動
uvx --from . langgraph-deep-search

方法2: 手動セットアップ

# 1. プロジェクトのクローン
git clone <repository-url>
cd deep-search-mcp-server

# 2. 依存関係インストール
uv sync

# 3. 環境変数設定
export GEMINI_API_KEY=your_gemini_api_key_here

# 4. MCPサーバー起動
python gemini_server.py

📋 詳細インストール手順

前提条件

• Python 3.10以上
• uv (推奨) または pip

手動インストール

# 1. リポジトリをクローン
git clone <repository-url>
cd deep-search-mcp-server

# 2. uvでプロジェクトセットアップ
uv sync
uv pip install -e .

# 3. 環境変数設定
cp .env.example .env
# .envファイルを編集してAPIキーを設定

# 4. テスト実行
uv run python gemini_server.py

API キー

• GEMINI_API_KEY: Gemini API (必須) - Google AI Studioから取得

🛠 使用方法

自然言語入力例

MCPサーバーがClaude DesktopなどのMCPホストに接続されると、以下のような自然言語でリサーチを依頼できます：

包括的な調査 (deep_search)

「React状態管理ライブラリを包括的に比較調査して」

「Terraformベストプラクティスを深く調べて」

迅速な検索 (quick_search)

「Claude Codeの使用感・評判を速攻で調査して」

「Devinの最新アプデをサクッと検索して」

サーバー状態確認

「検索ツールの状態を確認してください」

「MCPサーバーの設定情報を教えてください」

MCP Tools (開発者向け)

deep_search

包括的な調査を実行します。

パラメータ:

• query (str): 調査したいトピック
• max_iterations (int, default=3): 最大イテレーション回数
• max_results_per_query (int, default=5): クエリごとの最大結果数
• language (str, default="en"): 検索言語

quick_search

単発検索による迅速な結果取得。

get_search_tools

利用可能な検索ツールの状態を確認。

MCP Resources

search-config

サーバーの設定情報と利用可能なツールの状態を取得。

主要コンポーネント

1. GoogleSearchManager: Google検索の統合管理
2. DeepResearchGraph: LangGraphによる調査ワークフロー
3. FastMCP Server: MCPプロトコルでのツール公開

🔧 Claude Desktop連携

uvxを使用した設定

claude_desktop_config.jsonに以下を追加：

{
  "mcpServers": {
    "langgraph-deep-search": {
      "command": "uvx",
      "args": ["--from", "/path/to/deep-search-mcp-server", "langgraph-deep-search"],
      "env": {
        "GEMINI_API_KEY": "your_gemini_api_key"
      }
    }
  }
}

uv run使用での設定

{
  "mcpServers": {
    "langgraph-deep-search": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/deep-search-mcp-server", "python", "gemini_server.py"],
      "env": {
        "GEMINI_API_KEY": "your_gemini_api_key"
      }
    }
  }
}

直接実行での設定

{
  "mcpServers": {
    "langgraph-deep-search": {
      "command": "python",
      "args": ["/path/to/deep-search-mcp-server/gemini_server.py"],
      "env": {
        "GEMINI_API_KEY": "your_gemini_api_key"
      }
    }
  }
}

開発モード

# MCP Inspector付きで開発
mcp dev gemini_server.py

🔍 トラブルシューティング

よくあるエラー

1. ModuleNotFoundError: No module named 'mcp':

   • 解決策: uv syncで依存関係をインストール
   • または: uv run python gemini_server.pyを使用

2. Agent not initialized:

   • 解決策: GEMINI_API_KEY環境変数を設定

3. Process exited with code 1:

   • 解決策: 絶対パスとuv runを使用
   • WSLの場合: uv run python gemini_server.pyを含むコマンドを使用

4. Import errors:

   • 解決策: uv syncで依存関係をインストール

ログ確認

サーバー実行時にコンソールに出力されるログで状態を確認できます。

デバッグモード

# 詳細ログ付きで実行
mcp dev gemini_server.py

📄 ライセンス

MIT License

🤝 貢献

1. Forkしてfeatureブランチを作成
2. 変更をcommit
3. Pull Requestを作成

📚 参考

• Model Context Protocol
• MCP Python SDK - 公式Python SDK
• LangGraph
• Gemini Fullstack LangGraph Quickstart
• MCP Server Development Guide

---