Research Orchestration MCP
AI驱动的研究协调服务，集成工具并行分析输出结构化答案。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Research Orchestration MCP。 它的用途是：AI驱动的研究协调服务，集成工具并行分析输出结构化答案。 完整的 Skill 内容见：https://321skill.com/skills/research-orchestration-mcp/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请协调分析一下2024年新能源汽车电池技术的最新发展趋势，并生成一份包含技术路线、主要厂商和市场占比的结构化报告。” 它会自动调用网络搜索、数据抓取和分析工具，并行处理信息，最终整合成一份条理清晰的报告。你也可以说：“对比一下Python和R语言在机器学习领域的应用现状。” 它会从多个技术社区和文献源抓取信息，进行对比分析并输出结构化的对比表格。
介绍
Research Orchestration MCP 旨在解决传统研究过程中信息分散、工具切换繁琐和分析结果非结构化的问题。它通过集成多种工具，实现并行信息收集、分析和处理，最终输出结构化的研究结论，极大提升研究效率。
使用时，用户只需提出研究主题或问题，该Skill便会自动协调内部工具进行信息抓取、数据分析和内容整合。它能够并行处理多个信息源，并按照预设或用户要求的格式生成报告、摘要或答案。
该Skill非常适合需要快速获取高质量、结构化信息的学术研究者、数据分析师、市场调研人员和内容创作者。他们常常面临海量信息筛选和整合的挑战。
建议在提出研究问题时尽可能明确范围和期望的输出格式，以获得更精准的结果。同时，对于高度专业或需要深度批判性思考的领域，建议将AI生成的结果作为参考和起点，进行人工复核和深化。
核心特点
核心区别在于其“协调”能力，能够并行调用多个工具（如数据抓取、分析、格式化）协同工作，而非单一功能；最终输出是结构化的答案或报告，而非零散的信息列表。
注意事项
不适合需要深度原创性理论构建或高度依赖主观判断和直觉的纯创造性研究场景。
常见问题
它能帮我写学术论文吗？
可以辅助进行文献搜集、数据分析和内容整理，生成结构化的草稿或报告，但论文的核心论点与深度分析仍需研究者主导。
支持分析哪些类型的数据？
支持分析公开的网页内容、结构化数据集，并可集成特定API进行市场数据、学术文献等多源信息分析。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/research-orchestration-mcp/raw/index.md 读取 Research Orchestration MCP 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/research-orchestration-mcp/raw/index.md（查看排版版本）