适合谁
- 希望完全本地运行 LLM 与检索、注重隐私的研究者和开发者
- 已经在使用 Ollama / LM Studio / llama.cpp 等本地模型的用户
- 需要为 Claude 增加多引擎学术检索与结构化报告生成能力的用户
- 希望在 Claude Desktop 或 Claude Code 中以 STDIO 方式本地集成研究工具的用户
L
70FMRS · B
LDR 的 MCP 服务器是该开源本地研究项目自带的官方集成，把其多引擎检索、私有文档分析与引用式报告生成能力以 8 个工具暴露给 Claude，通过 STDIO 在本地运行。它对隐私敏感、已具备本地/云端 LLM 与搜索引擎配置能力的用户很有吸引力，但官方明确声明该服务器不含身份验证或限流，仅适合本地单机使用，不建议在无额外安全措施的情况下联网部署。
Local Deep Research（LDR）是一个开源的 AI 研究助手，可在本地运行任意 LLM（Ollama、LM Studio、llama.cpp）或调用云端模型（OpenAI、Anthropic、Google 等），并跨 10 余个搜索引擎（arXiv、PubMed、Semantic Scholar、SearXNG、GitHub 等）以及用户自己的私有文档进行检索，最终生成带引用的研究摘要或完整报告。用户数据保存在按用户隔离、以 AES-256 加密的 SQLCipher 数据库中，密码从不落盘。该仓库自带的 MCP 服务器让 Claude Desktop / Claude Code 可以直接调用这些研究能力，官方文档明确说明该 MCP 服务器仅设计用于本地 STDIO 场景，不含内置身份验证或限流机制。
工具能力
search
直接查询指定搜索引擎（如 arxiv、pubmed、wikipedia 等），返回原始标题/链接/摘要结果，不经过 LLM 处理，速度快且不产生 LLM 费用，适合监控和订阅场景。
quick_research
对问题进行快速研究并生成带引用的简要摘要，耗时约 1-5 分钟，会调用 LLM。
detailed_research
进行更全面的多来源分析，生成结构化研究结果，耗时约 5-15 分钟，会调用 LLM。
generate_report
生成包含章节与目录的完整 Markdown 研究报告，耗时约 10-30 分钟，会调用 LLM。
analyze_documents
在用户导入的私有文档集合中检索并分析，耗时约 30 秒至 2 分钟，会调用 LLM。
list_search_engines
列出当前可用的搜索引擎，瞬时返回，不调用 LLM。
list_strategies
列出可用的研究策略（如 langgraph-agent 等），瞬时返回，不调用 LLM。
get_configuration
获取当前 LDR 配置，瞬时返回，不调用 LLM。
安装接入
1) 安装带 MCP 扩展的包：pip install "local-deep-research[mcp]"；2) 准备一个 LLM 来源（本地 Ollama/LM Studio/llama.cpp，或云端 OpenAI/Anthropic/Google 等的 API Key）；3) 在 claude_desktop_config.json（Claude Desktop）或 .mcp.json / ~/.claude/mcp.json（Claude Code）中添加 mcpServers 配置，command 设为 ldr-mcp，并通过 env 传入 LDR_LLM_PROVIDER 等 LDR_* 环境变量；4) 重启 Claude 客户端使配置生效；如需网页搜索，建议额外部署 SearXNG 等搜索引擎。
claude_desktop_config.json
{
"mcpServers": {
"local-deep-research": {
"command": "ldr-mcp",
"env": {
"LDR_LLM_PROVIDER": "openai",
"LDR_LLM_OPENAI_API_KEY": "sk-..."
}
}
}
}
选型与风险
不适合谁
- 需要多用户远程访问或网络暴露部署的场景（该 MCP 服务器无内置身份验证与限流，仅设计为本地 STDIO 使用）
- 希望零配置即用的用户（需要先安装并配置 LLM 提供方与搜索引擎，部分功能还需部署 SearXNG）
- 需要实时多人协作功能的团队场景
所需权限
- 需要访问已配置的 LLM（本地服务端点或云端 API Key）
- 除纯本地文档检索外，需要出网权限以调用所配置的搜索引擎（arXiv、PubMed、SearXNG、Brave 等）
- 使用 analyze_documents 时需要读取本地私有文档的文件系统权限
- 需要对本地加密数据库（SQLCipher）进行读写
风险与副作用
- 官方文档明确警告：该 MCP 服务器仅为本地 STDIO 使用设计，没有内置身份验证或限流，不应在未加额外安全控制的情况下暴露到网络
- 运行期间凭据（如 API Key）会保存在进程内存中，属于常规运行时风险，官方以会话级凭据生命周期和核心转储排除作为缓解措施
- 研究查询内容会发送给所配置的搜索引擎，若使用云端搜索或云端 LLM（OpenAI、Anthropic、Google 等）也会将查询/文档内容发送给相应第三方
- 若使用 Docker 且开启 --network host，在 Windows/WSL2/Mac 上可能出现端口未正确暴露的问题
常见排障
- 确认已执行 pip install "local-deep-research[mcp]" 以便系统中存在 ldr-mcp 命令
- 检查 mcpServers 配置中的 env 是否正确设置了 LDR_LLM_PROVIDER 及对应的 URL/API Key（如 LDR_LLM_OLLAMA_URL、LDR_LLM_OPENAI_API_KEY）
- 确认所用的本地 LLM 服务（Ollama、LM Studio 或 llama-server）已启动并监听默认端口
- 如需网页检索，确认 SearXNG 或其他搜索引擎已运行并可访问，可用 list_search_engines 工具验证
- 查阅仓库中的 docs/mcp-server.md 与 docs/CONFIGURATION.md 获取完整的 LDR_* 环境变量参考
- 若使用 Docker 且在 Windows/WSL2 上遇到端口 5000 无法访问，参考 docs/faq.md 中的说明改用 Docker Compose 方案
使用场景
在 Claude 内直接对学术论文（arXiv、PubMed、Semantic Scholar）发起检索与综述
生成带引用的快速问答摘要或详细研究报告
对本地私有文档集合进行语义检索与分析
使用 search 工具做低成本、无 LLM 消耗的定期监控/订阅式检索
支持客户端
Claude Desktop完整支持
Claude Code完整支持