deep-research

deep-research スキルの概要

deep-research で何ができるか

deep-research スキルは、幅広い問いを「出典付きのWebリサーチの流れ」に変えるスキルです。firecrawl と exa の MCP ツールを使って、複数ソースを検索・比較・要約し、引用付きレポートにまとめます。単発のプロンプト回答では浅すぎる、または信頼するにはリスクが高いテーマに、deep-research スキルは特に向いています。

どんな場面に向いているか

deep-research は、競合分析、技術評価、市場規模の把握、デューデリジェンス、現状サマリー、そして複数ソースの証拠に基づいて判断する必要がある場面で使います。Web Research 向けの deep-research パターン、つまり「集める → 照合する → 監修可能な要約として書く」を実現したいときに、よい適合性があります。

インストール前に確認すべきこと

導入の主なハードルは、複雑さではなくツールへのアクセスです。deep-research のインストールは、環境から少なくとも1つの対応 MCP、つまり firecrawl か exa を呼び出せてはじめて効果があります。より広いカバレッジと見落としの少なさを求めるなら、スキルに頼る前に両方を設定しておくのが理想です。

deep-research スキルの使い方

ツールをインストールして接続する

npx skills add affaan-m/everything-claude-code --skill deep-research でインストールします。次に、~/.claude.json または ~/.codex/config.toml で MCP の設定を確認してください。deep-research スキルは、モデルが実際にWeb検索やスクレイピングをできてこそ価値が出るので、長いリサーチを始める前にツール名と認証情報を必ず確認しましょう。

適切な入力から始める

deep-research をうまく使うには、単に「これを調べて」だけでは不十分です。テーマ、最終的に何を得たいか、制約条件を一緒に渡してください。たとえば、次のようなプロンプトがよい出発点です。「製品判断のために AI コーディングエージェントの現状を調査し、主要ツールを比較し、最近のソースを引用してください。」これで、スキルがサブクエスチョンやソースの種類を組み立てやすくなります。

挙動を左右するファイルを読む

まず skills/deep-research/SKILL.md を開き、そのあと関連する repo コンテキストがあれば確認してください。この repository では、スキル本体が挙動の中心になるため、重要なのは追加の補助ファイルを探し回ることではなく、ワークフロー、起動条件、MCP 要件を正しく理解することです。

出力をよくする進め方で使う

テーマが広い場合は、まずモデルにスコープの確認をさせ、そのうえで作業を3〜5個のリサーチ用サブクエスチョンに分割させると効果的です。すでに見たい切り口が決まっているなら、最初に明示してください。「価格、導入状況、リスクに絞って」「ベンダーのマーケティングページは除外して」のように伝えると、deep-research ガイドがより締まったレポートを作りやすくなり、関係のないソースノイズも減らせます。

deep-research スキルのFAQ

deep-research は通常のプロンプトより優れているか

はい、複数ページからの出典付き統合が必要なタスクなら優れています。通常のプロンプトでも既知情報の要約はできますが、deep-research スキルはWebを検索し、証拠を比較し、引用を返す前提で設計されています。最新情報やソースの帰属が不要なら、通常のプロンプトで十分な場合もあります。

firecrawl と exa は両方必要か

いいえ、片方でも動きます。ただし Web Research 向けの deep-research では、両方入れておくとカバレッジが上がることが多いです。なぜなら、片方が見つけたりスクレイプできたりするページを、もう片方が取りこぼすことがあるからです。情報が速く変わるテーマや範囲の広いテーマでは、この差が効きます。

初心者でも使いやすいか

はい、目的をはっきり説明できるなら使いやすいです。スキル側は最初に軽い確認だけを求め、必要なら「とりあえず調べて」で進めることもできます。初心者がやりがちな失敗は、判断文脈のない曖昧なテーマを投げてしまうことです。その場合、調査範囲が広がりすぎます。

どんなときに使わないほうがいいか

すぐ答えがほしい事実確認、Webアクセス不要の作業、出典が不要な作業には deep-research を使わないでください。また、すでに必要なソースが揃っていて、あとは書き換えだけでよい場合にも不向きです。そのケースでは、deep-research のインストールやワークフローのオーバーヘッドは不要です。

deep-research スキルの改善方法

意思決定の枠組みを与える

最も大きく品質が上がるのは、なぜその調査が必要なのかを伝えることです。「学習用」「ベンダー選定用」「メモ作成用」では、選ぶソースも統合の仕方も変わります。よりよい出力がほしいなら、読者、時間軸、そして何を満たせば有用な結論になるのかを明示してください。

ノイズを減らす制約を足す

役立つ制約には、期間、地域、比較対象、除外するソース、優先したい証拠の種類などがあります。たとえば、「直近18か月のソースを使う」「一次資料を重視する」「独自データがない限りベンダーブログは避ける」と指定できます。これで deep-research ガイドの信号対ノイズ比が上がります。

よくある失敗パターンに注意する

よくある失敗は、サブクエスチョンが多すぎること、マーケティングページに寄りすぎること、そして事実を並べるだけで本当の問いに答えていないレポートになることです。最初の結果が広すぎるなら、「リスクだけに絞って」「購入判断用にまとめて」のように、より狭い統合を依頼してください。多くの場合、「もっと詳しく」と頼むより、そのほうが効果的です。

初稿から反復して仕上げる

最初のレポートのあとに、証拠の質、比較の深さ、判断要約のどれか1つを絞って再実行してもらうと改善しやすくなります。効果的な追いプロンプトは、「確定事実と推測を分けて」「最も強いソースを順位づけして」「1ページのエグゼクティブブリーフにして」のようなものです。deep-research の出力を実際に使える形へ近づける最短ルートです。