JinDaGe - OpenRouter Deep Research MCP Details

article

README

🚀 OpenRouter 研究代理服务器指南

OpenRouter 研究代理服务器支持多种模型和接口配置，具备强大的数据存储和缓存功能，能为用户提供高效、稳定的服务。

🚀 快速开始

标准安装（适用于命令行界面）

克隆仓库：

git clone https://github.com/wheattoast11/openrouter-deep-research-mcp.git
cd openrouter-agents

创建并配置 .env 文件，指定高成本和低成本模型：

HIGH_COST_MODELS=perplexity/sonar-deep-research,perplexity/sonar-pro
LOW_COST_MODELS=perplexity/sonar-reasoning,openai/gpt-4o-mini-search-preview

启动服务器：

npm start

HTTP/SSE 安装（适用于桌面应用程序）

克隆仓库并配置 .env 文件。
使用以下命令启动服务：

npm start

服务将在 http://localhost:3002 启动。

✨ 主要特性

支持多种模型和接口配置。
具备强大的数据存储和缓存功能。
可通过修改 .env 文件和 config.js 进行高度定制。
采用内存缓存和 pgvector 技术实现高效存储。
附带多个测试脚本，方便进行功能测试。

📦 安装指南

上述快速开始部分已详细介绍了标准安装和 HTTP/SSE 安装的步骤。

📚 详细文档

可用模型

高成本模型

perplexity/sonar-deep-research
perplexity/sonar-pro
openai/gpt-4o-search-preview

低成本模型

perplexity/sonar-reasoning
openai/gpt-4o-mini-search-preview
google/gemini-2.0-flash-001

自定义配置

通过修改 .env 文件可实现高度定制：

HIGH_COST_MODELS=自定义模型1,自定义模型2
LOW_COST_MODELS=低成本模型1,低成本模型2
PGLITE_DATA_DIR=./研究数据库目录
CACHE_TTL_SECONDS=3600

持久化与数据存储

采用内存缓存和 pgvector 技术实现高效存储：

内存缓存：用于快速响应 caching。
pgvector：提供持久化存储，支持语义相似性搜索。默认数据库目录为 ./researchAgentDB。

故障排除

常见问题及解决方案：

连接问题：检查 Claude 设置是否与服务器配置一致。
API 错误：确认 OpenRouter API 密钥正确无误。
代理失败：确保 claude 正确解析 XML 文件。
模型错误：验证所用模型是否在您的 OpenRouter 账户中可用。

高级配置

通过 config.js 进行更深度的定制：

调整可用模型列表
设置默认成本偏好
修改规划代理参数
配置服务器端口及其他网络设置
调整数据库和缓存参数

安全性增强

为生产环境启用 API 密钥认证：

在 .env 中设定 SERVER_API_KEY。
开发环境下可选择禁用此功能。

测试工具

项目附带多个测试脚本：

基本工具测试：运行 test-all-tools.bat 验证所有 MCP 工具。
服务器测试：使用 test-mcp-server.js 检查服务器配置。
研究代理测试：通过 test-research-agent.js 测试核心功能。

📄 许可证

本项目遵循 MIT 许可证，具体条款参见 LICENSE 文件。

OpenRouter Deep Research