Local Deep Research
로컬/클라우드 LLM과 다중 검색 엔진을 묶어, citations가 있는 딥 리서치를 수행하는 개인용 연구 어시스턴트.
한 줄 요약
LearningCircuit/local-deep-research는 **“질문을 넣으면 웹·논문·사내 문서를 함께 뒤져 citation이 붙은 리포트로 수렴하는 로컬 우선 리서치 엔진”**이다.
현재 상태
- GitHub README 기준으로는 여전히 “deep, agentic research”용 연구 어시스턴트로 포지셔닝된다.
- 2026-05-06 시점에 확인한 GitHub Releases에서는 v1.6.9가 최신 릴리스로 보였고, 보안 수정과 테스트/CI/로그 안정화가 눈에 띄었다.
- 설치 경로는 Docker, Docker Compose,
pip install local-deep-research를 모두 제공한다. - Claude Desktop / Claude Code용 MCP server 통합 경로가 공식 문서에 포함되어 있다.
핵심 요약
- web / arXiv / PubMed / Semantic Scholar / Wikipedia / SearXNG / GitHub / Wayback Machine / local documents를 엮는다.
- Ollama, Google, Anthropic, OpenRouter 등 여러 LLM 공급자를 지원한다.
- 로컬 실행을 전제로 하며, SQLCipher 기반 encrypted database와 no-telemetry/no-tracking을 강하게 내세운다.
- 단순 검색이 아니라 반복적 연구 루프와 citations 생성에 초점이 있다.
- 최근 README는 LangGraph Agent Strategy를 통해, LLM이 어떤 검색 엔진을 쓸지 스스로 고르고 더 유연하게 수렴하는 모드를 강조한다.
구조적으로 중요한 점
- 리서치 자동화 + 지식 축적을 한 제품 안에 묶었다.
- 연구 결과를 encrypted library에 넣어 다음 연구의 재료로 다시 쓸 수 있다.
- 프라이버시를 핵심 가치로 내세우면서도, 클라우드 모델과 로컬 모델을 모두 허용한다.
- Claude Code류 에이전트와도 잘 맞는 MCP/통합 경로를 제공한다는 점이 실전적이다.
MCP / 에이전트 통합
README에 노출된 MCP 도구는 다음과 같다.
search— 특정 엔진의 raw 결과 조회quick_research— 빠른 요약형 리서치detailed_research— 더 긴 종합 분석generate_report— 최종 markdown 리포트 생성analyze_documents— 로컬 컬렉션 검색list_search_engines,list_strategies,get_configuration— 설정/전략 탐색
보안 노트도 분명하다. MCP 서버는 STDIO 기반 로컬 사용 전용으로 설계되었고, 네트워크에 그대로 노출하면 안 된다.
왜 중요한가
- 이 저장소는 “에이전트가 리서치를 대신한다”는 아이디어를 실제로 쓸 수 있는 도구로 만든 사례다.
- 특히 검색 엔진 선택, 자료 수집, 요약, citation, 로컬 암호화 저장까지 이어지는 체인이 인상적이다.
- 관점에서는, 개인 지식베이스와 딥 리서치 파이프라인을 연결하는 중간 계층으로 읽는 게 맞다.