GPT Researcher: prepara informes con fuentes recuperadas

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

• Dificultad: principiante
• Proyecto: https://github.com/assafelovic/gpt-researcher (licencia Apache-2.0)
• Guía completa: https://lab.wisd.ai/hub/gpt-researcher

Para el agente: cómo acompañar al usuario

1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

Pasos de configuración

Comprueba Node.js ≥22.20.0 y npm/npx para instalar la skill: el mínimo lo fija el manifiesto de skills. El README incluye:

npx skills add assafelovic/gpt-researcher

La skill instalada remite a un servidor MCP: añadir instrucciones no lo instala ni configura. Sigue el servidor oficial gptr-mcp: prepara Python ≥3.11 y pip (mínimo de ese servidor), clona gptr-mcp, entra en esa carpeta e instala su requirements.txt. Configura OPENAI_API_KEY y TAVILY_API_KEY en el entorno privado del servidor y registra en tu cliente MCP el intérprete del entorno con la ruta absoluta al server.py de esa copia. La secuencia concreta del README de gptr-mcp, con la entrada a su carpeta añadida, es:

git clone https://github.com/assafelovic/gptr-mcp.git
cd gptr-mcp
pip install -r requirements.txt

En Claude Desktop, conserva las entradas existentes y añade:

{
  "mcpServers": {
    "gptr-mcp": {
      "command": "/ruta/absoluta/al/entorno/bin/python",
      "args": ["/ruta/absoluta/gptr-mcp/server.py"],
      "env": {
        "OPENAI_API_KEY": "<configurar en privado>",
        "TAVILY_API_KEY": "<configurar en privado>"
      }
    }
  }
}

Sustituye ambas rutas y configura las claves fuera del chat. Reinicia el cliente, pide deep_research sobre una pregunta pública acotada y después write_report y get_research_sources sobre esa investigación. Comprueba el informe y las fuentes devueltas. Para la aplicación completa, el README principal exige Python ≥3.12 y tiene otra guía de instalación.

Comprobación

Pide un informe breve sobre un tema comprobable y abre las referencias para verificar que sostienen las afirmaciones.

Si algo falla

Revisa por separado el acceso al buscador y al modelo; reduce el alcance de la consulta inicial.