Deep research MCP: servidor MCP, instalación y seguridad

Para qué sirve Deep research MCP

Según su repositorio: «Investigación profunda mediante la API OpenAI Responses u Open Deep Research (smolagents), con búsqueda web e intérprete de código.»

El protocolo MCP (Model Context Protocol) es un enchufe estándar entre un agente IA y un servicio externo: una vez conectado el servidor, sus herramientas aparecen en el agente, que decide cuándo llamarlas. Deep research MCP figura en la categoría Investigación científica, que reúne 35 servidores en el directorio; ocupa el puesto 6 por número de estrellas.

Instalar y conectar Deep research MCP

No hay paquete ni servidor remoto declarado en el registro MCP oficial: se instala desde el código fuente, siguiendo el README del repositorio.

Funciona con cualquier cliente compatible con MCP (Claude Desktop, Claude Code, Cursor, VS Code, Codex y la mayoría de agentes recientes). Basta con añadir una entrada a la configuración MCP del cliente: nombre del servidor, comando de inicio o URL, variables de entorno. Lenguaje del proyecto: Python.

Seguridad: qué comprobar

Conectar un servidor MCP equivale a instalar un programa que habla directamente con su agente: funciona con sus permisos y el modelo confía en las descripciones de sus herramientas. El riesgo depende de lo que puede tocar y de la confianza que merece su código.

Ninguna de las señales de riesgo que seguimos (acceso al sistema, secretos, falta de licencia, abandono) aparece en Deep research MCP. Esto no sustituye la lectura del código.

Buenas prácticas: conceder solo los permisos necesarios (mínimo privilegio), exigir validación humana para las acciones irreversibles y pasar el diagnóstico de seguridad de agentes IA.

Actividad y mantenimiento del proyecto

Creado el 7 de agosto de 2025, el repositorio pminervini/deep-research-mcp suma 115 estrellas y 14 copias (forks), con 1 incidencias abiertas. Tiene más estrellas que el 69 % de los servidores del directorio. Ha recibido cambios este mes.

Las estrellas miden la atención recibida, no la calidad: un proyecto reciente y muy mediático puede acumularlas rápido, y un servidor útil pero especializado tendrá pocas.