gpt-researcher MCPサーバー

概要

GPT Researcherは、Assaf Elovicが開発・公開しているオープンソースの自律型AIリサーチエージェントです。テーマや質問を入力するだけで、複数の信頼できるウェブソースを自動で横断調査し、引用付きの詳細なレポートを生成します。ツール自体は無料で入手でき、世界中から数百名のコントリビューターが参加する大規模なOSSプロジェクトとして成長しています。MCP（AIアプリどうしをつなぐ共通規格）サーバーにも対応しており、ClaudeなどのAIアシスタントから直接呼び出して使うことも可能です。

注目される理由は、従来のAIチャットが抱える「古い情報・幻覚（ハルシネーション）・短い回答」という三大弱点を正面から解決しようとしている点にあります。「プランナー」エージェントがリサーチ計画を立て、「実行」エージェントが並列でウェブをクロールし、最後に結果を統合してレポートを書き上げる仕組みで、通常わずか数分で5〜6ページ相当のレポートを生成します。2025年5月のカーネギーメロン大学の評価では、Perplexity・OpenAI Deep Researchを含む主要サービスの中で引用品質・レポート品質・情報網羅性の全項目でトップスコアを記録しています。

主な機能

• 自律マルチエージェントリサーチ: 「プランナー」エージェントが調査すべき質問を設計し、「実行」エージェントが並列でウェブ上の情報を収集・要約。最後にまとめて一本のレポートへ統合します。手動でタブを開いてコピペする作業が不要になります。
• 20以上のウェブソースを横断調査: 1回のリサーチで20を超えるサイトを自動クロール。多数のソースから共通する情報を抽出することで、フェイク情報や偏りを抑えた客観的なレポートを生成します。
• ディープリサーチモード（Deep Research）: 木構造の探索パターンで話題を再帰的に深掘りする高度モード。通常リサーチより詳細な調査が必要なテーマに対応し、1回あたり約5分・約$0.40が目安です（公式ドキュメント記載）。
• ローカルファイルとのハイブリッドリサーチ: PDF・Word・Markdown・Excel・CSVなど手持ちの社内文書をAIに読み込ませ、ウェブ情報と組み合わせたRAG（手持ちの資料をAIに読ませて答えさせる仕組み）型のリサーチも可能です。
• MCPサーバー連携（gptr-mcp）: MCP（Model Context Protocol）に対応した専用サーバー「gptr-mcp」を別リポジトリで提供。Claude DesktopなどMCP対応のAIアプリから直接「深いリサーチ」を呼び出せます。通常のウェブ検索ツールより高品質な結果を提供します。
• マルチLLM・マルチ検索エンジン対応: OpenAI・Anthropic・Groq・Llama 3・HuggingFaceなど多様なLLMを選択可能。検索エンジンもTavily・Google・Bing・DuckDuckGoなどから選べます。
• 多彩な出力フォーマット: 生成したレポートはPDF・Word（Docx）・Markdown・JSON・CSVなど複数のフォーマットで書き出せます。Geminiモデルを使ったAI生成イラストのレポートへの自動埋め込み機能も追加されています。

料金プラン

GPT Researcher本体はオープンソース（Apache 2.0ライセンス）で無料です。ただし、実際に使用するには別途LLMプロバイダーと検索APIのAPIキーが必要で、それぞれの従量課金が発生します。

> ⚠️ 料金はモデル選択や調査規模により大きく変動します。詳細は各LLM・検索APIプロバイダーの公式料金ページを参照してください。

導入方法

GPT Researcherには3つの導入方法があります。用途に合わせて選択してください。

方法①：PIPパッケージ（Pythonから直接使いたい人向け）

# Python 3.11以上が必要
pip install gpt-researcher

from gpt_researcher import GPTResearcher
import asyncio

async def main():
    researcher = GPTResearcher(query="生成AIの最新動向は？")
    await researcher.conduct_research()
    report = await researcher.write_report()
    print(report)

asyncio.run(main())

方法②：Gitリポジトリからクローン（ブラウザUIを使いたい人向け）

# Step 1: リポジトリを取得
git clone https://github.com/assafelovic/gpt-researcher.git
cd gpt-researcher

# Step 2: 依存関係をインストール
pip install -r requirements.txt

# Step 3: APIキーを設定（.envファイルを作成）
export OPENAI_API_KEY=your_openai_key
export TAVILY_API_KEY=your_tavily_key

# Step 4: サーバー起動
uvicorn main:app --reload

ブラウザで http://localhost:8000 を開けば、GUIでリサーチを実行できます。

方法③：MCPサーバー（ClaudeなどのAIアプリと連携したい人向け）

# gptr-mcpをクローン
git clone https://github.com/assafelovic/gptr-mcp.git
cd gptr-mcp
pip install -r requirements.txt
cp .env.example .env
# .envにAPIキーを記入後、サーバーを起動
python server.py

Claude Desktop の設定ファイル（claude_desktop_config.json）に以下を追加して再起動します。

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "python",
      "args": ["/絶対パス/gptr-mcp/server.py"],
      "env": {
        "OPENAI_API_KEY": "your-openai-key",
        "TAVILY_API_KEY": "your-tavily-key"
      }
    }
  }
}

こんな人におすすめ

• リサーチ作業を自動化したい個人開発者・フリーランス: 市場調査・競合分析・トレンドリサーチなど、手動で行っていた情報収集をAIに丸投げしたい人に最適です。テーマを入力するだけで出典付きのレポートが数分で手に入ります。
• 自社ドキュメントをAIに活用したい人: 社内PDF・マニュアル・議事録などをローカルフォルダに置くだけで、ウェブ情報と組み合わせたリサーチが可能になります。情報漏洩リスクを抑えながらRAGを活用したい人に向いています。
• ClaudeなどのAIアシスタントをパワーアップさせたい人: MCPサーバーとして導入すれば、Claudeとの会話の中で「詳しく調べて」と指示するだけで、GPT Researcherが深いリサーチを自動実行します。AIアプリの情報収集能力を底上げしたい人におすすめです。
• ニュースレター・レポート・ブログ記事を定期的に書く人: 1回あたり数十円のAPIコストで5〜6ページ相当のドラフトと参考文献リストを自動生成できるため、コンテンツ制作の初稿作りを大幅に効率化できます。

よくある質問

Q. どんなテーマでも調べられますか？ A. 公式サイトによれば「市場調査・人物調査・旅行プラン・医療研究・株式分析・ビジネスインサイト」など幅広いテーマに対応しています。「NYC上位5レストランは？」のような軽い検索から「コロナの経済的影響は？」のような学術的テーマまで利用可能とされています。

Q. 情報の正確さはどうやって担保されますか？ A. 1回のリサーチで20以上のサイトをクロールし、複数ソース間で共通する情報を「大数の法則」的に抽出することで、誤情報や偏りを軽減する設計になっています。また、すべての回答には引用元URLが付与されます。

Q. OpenAI以外のAIモデルでも使えますか？ A. はい。Anthropic・Groq・Llama 3・HuggingFaceなど20以上のLLMプロバイダーに対応しており、設定ファイルを変更するだけでモデルを切り替えられます。オープンソースのローカルモデルも利用可能です。

Q. MCPサーバーとして使う場合、通常のウェブ検索との違いは何ですか？ A. 通常のウェブ検索MCPツールは生の検索結果をそのまま返すため、不要な情報が多く含まれます。GPT Researcher MCPは複数ソースの自律的な精査・統合を行い、より高品質な情報をAIアプリに渡します。応答には30〜40秒かかりますが、情報の深さと信頼性が向上します。