maru-deep-pro-search 0.22.4

Universal AI search MCP server — Perplexity-level quality with zero API keys. Multi-engine web scraping, intelligent ranking, and citation-native answers.

maru-deep-pro-search

AI 에이전트가 코딩 및 분석 작업 전에 관련 최신 정보를 검색하여 컨텍스트에 주입할 수 있도록 돕는 MCP(Model Context Protocol) 서버입니다. 추가적인 API 키 설정 없이, 9개의 무료 검색 엔진 통합, RRF(Reciprocal Rank Fusion)와 BM25를 결합한 하이브리드 검색, 그리고 Granite 97M 모델을 통한 로컬 시맨틱 재랭킹(Semantic Re-ranking)을 지원합니다.

🇺🇸 English

웹사이트 · 프롬프트 템플릿 · PyPI 패키지 · GitHub 저장소

---

주요 특징

• 하이브리드 멀티 엔진 검색: DuckDuckGo, Bing 등 9개 검색 소스를 연동하고 검색 실패 시 자동 페일오버(Failover)를 수행합니다.
• 시맨틱 재랭킹 (Semantic Re-ranking): 로컬에서 실행되는 ibm-granite/granite-embedding-97m-multilingual-r2 임베딩 모델을 활용하여 질의와 가장 연관성 높은 문서를 정교하게 추출합니다.
• 신뢰할 수 있는 인용 표기: 환각을 최소화하기 위해 검색된 모든 정보 원본에 [N] 형식의 출처 태그 및 링크를 강제로 매핑합니다.
• 다양한 에이전트 연동: Cursor, Claude Code, Cline, Aider 등 21종의 주요 AI 개발 도구를 지원합니다.
• 완전 무료: 상용 검색 API 키를 등록하지 않아도 모든 기능을 비용 없이 사용할 수 있습니다.

핵심 도구 (MCP Tools)

도구 이름	주요 기능
answer	일반적인 질의나 시장 현황, 간단한 정보 검색 및 답변 생성
deep_research	보안 취약점(CVE), 아키텍처 분석, 라이브러리 심층 비교 등 대규모 정보 수집 및 구조화 (Research Trace 포함)
fetch_page	웹 페이지 및 공식 문서 URL의 내용을 정제하고 프롬프트 주입 공격을 방어하여 본문 텍스트 추출

• 상세 도구 가이드: 웹사이트 도구 소개 참고
• 지원 에이전트 목록: 웹사이트 에이전트 목록 참고

---

설치 및 설정

1단계: 설치 스크립트 실행

macOS / Linux:

curl -sSL https://raw.githubusercontent.com/claudianus/maru-deep-pro-search/main/scripts/install.sh | bash

Windows:

irm https://raw.githubusercontent.com/claudianus/maru-deep-pro-search/main/scripts/install.ps1 | iex

Hatch / Pip를 이용한 수동 설치:

pip install --user maru-deep-pro-search
maru-deep-pro-search setup

uv를 사용하는 경우:

uv tool install --python 3.12 maru-deep-pro-search

[!NOTE] 시맨틱 재랭킹에 사용되는 Granite 97M 가중치 파일(Hugging Face)은 첫 실행 시 다운로드됩니다. 최초 검색 시의 콜드스타트 지연을 방지하기 위해 다음 명령어로 임베딩 모델을 미리 다운로드해 두는 것을 권장합니다.

maru-deep-pro-search warmup-embeddings -q
maru-deep-pro-search setup --check

2단계: 에이전트 설정

설치가 완료되면 에이전트(예: Cursor)를 완전히 종료한 후 다시 실행하십시오.

Claude Code 설정 (~/.claude/settings.json)

{
  "mcpServers": {
    "maru-deep-pro-search": {
      "command": "python3",
      "args": ["-m", "maru_deep_pro_search.server"]
    }
  }
}

---

사용 방법

에이전트의 시스템 프롬프트(User Rules 등) 또는 첫 대화에 아래와 같은 지침을 지정하여 검색 활용을 강제할 수 있습니다.

• "코드 작성 전에 반드시 웹 검색을 수행하여 최신 명세를 확인하고 [1], [2] 형식으로 명확한 출처를 표기해줘."
• "Next.js 15 App Router의 Server Action revalidate 에러 관련 최신 해결 방법을 검색해서 알려줘."
• "CVE-2026-40347 취약점 관련 공식 권고(Advisory)를 검색해 현재 프로젝트가 사용하는 버전이 안전한지 검증해줘."

---

기능 비교

비교 항목	maru	Tavily MCP	Perplexity MCP
이용 비용	무료 ($0)	제한적 무료 / 유료	월 $5 이상
연동 엔진	9개 엔진 + 자동 페일오버	단일 API 제공	단일 API 제공
리서치 강제화	3단계 게이트 적용	지원 안 함	지원 안 함
리서치 모니터링	Trace 및 Insights 제공	지원 안 함	지원 안 함

---

품질 벤치마크

TREC(Text REtrieval Conference) 표준 데이터셋을 기준으로 한 검색 품질 측정 결과입니다. (10개 복합 쿼리 대상)

성능 지표	단일 엔진 기준	다중 엔진 (maru)
Precision@5	baseline	+86%
NDCG@10	baseline	+36%
MRR	baseline	+25%

트레이드오프: 9개 엔진 통합 검색으로 인해 단일 엔진 대비 응답 시간이 약 2배 소요될 수 있습니다. (재현 명령어: uv run python benchmark/search_quality_benchmark.py)

---

주요 환경 변수 설정

주요 동작을 제어하기 위해 시스템 환경 변수(Environment Variables)를 설정할 수 있습니다.

환경 변수	기본값	설명
MARU_STRICT_QUERY	1	모호하거나 불완전한 검색어 입력을 필터링 및 정규화
MARU_EMBEDDING_MODEL	Granite 97M R2	문서 재랭킹에 사용할 시맨틱 임베딩 모델 명세
MARU_BENCHMARK_SUITE	—	stress 설정 시 부하 테스트 벤치마크 수행

• 전체 환경 변수 상세 설명: 웹사이트 설정 페이지 참고

---

문제 해결 (Troubleshooting)

발생 현상	해결 방법
MCP 서버가 에이전트에 노출되지 않음	maru-deep-pro-search setup을 다시 실행한 뒤 에이전트 애플리케이션을 완전히 재시작합니다.
첫 검색 실행 시 지나치게 느림	maru-deep-pro-search warmup-embeddings -q 명령을 사전에 실행하여 가중치 파일을 캐시해 둡니다.
설정 변경 사항이 반영되지 않음	maru-deep-pro-search update --with-setup 또는 setup --repair를 실행해 에이전트 훅 설정을 초기화합니다.
간헐적인 검색 엔진 에러 발생	engine_health 도구를 통해 검색 소스의 실시간 헬스 상태를 점검합니다.

---

기여 및 라이선스

• 기여 방법: CONTRIBUTING.md 및 버그 리포트/PR 제출을 환영합니다.
• 라이선스: 본 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참고하십시오.