Google Deep Research 接入 MCP 协议：从「查资料工具」到「通用数据分析师」

AI 摘要：Google Deep Research 重大升级：通过 MCP 协议连接 FactSet、S&P Global、PitchBook 等专业数据源，原生生成图表，Max 版每次任务运行 160 次搜索。DeepSearchQA 93.3%，BrowseComp 85.9%。

从「查资料机器」到「通用数据分析师」

AI 写研究报告这件事，过去两年经历了三个阶段。

第一阶段是「联网搜索 + 总结」。你问一个问题，AI 搜索网页，返回一堆链接加一段摘要。能用，但像极了实习生交的周报 – – 有字数，没深度。

第二阶段是「多步自主研究」。2025 年 12 月，Google 推出 Interactions API，Deep Research 可以自己规划搜索策略、逐步深入，最后产出一份像模像样的研究报告。DeepSearchQA 得分从 66.1% 一路飙到后来的水平。

第三阶段刚刚到来。2026 年 4 月，Google 对 Deep Research 做了一次底层升级，这次不是简单的「搜索更多网页」 – – 它接入了 MCP（Model Context Protocol），意味着 AI 第一次能自己调用第三方专业数据源来做研究。

MCP 到底改变了什么？

MCP 听起来像是又一个新的技术缩写，但它的影响相当直接。

以前的 Deep Research 只能搜索公开网页。你说「帮我分析某公司过去三年的财务表现」 – – 如果数据不在网页上，AI 就只能基于能找到的碎片信息拼凑。结果是：用 Bloomberg 终端的人得到精准分析，用 AI 的人得到网页摘要。差距就在这里。

现在 Deep Research 通过 MCP 可以连接任意第三方数据源：FactSet 的财务数据、S&P Global 的市场数据、PitchBook 的投融资数据……甚至是你公司内部的私有数据库。

Google 已经在和 FactSet、S&P Global、PitchBook 合作设计 MCP 服务器，让共享客户直接将专业数据流接入 Deep Research。这意味着你通过一次 API 调用，AI 就能同时搜索公开网页和你的私有数据源，然后把结果融合成一份完整报告。

我们需要的不是「一个能搜索更多网页的 AI」，而是「一个能进入你工作环境的 AI」。MCP 是后者的通行证。

另一个硬核升级：报告里直接出图表

用过上一代 Deep Research 的人都知道一个痛点：研究报告是纯文本的。需要数据可视化？你得自己把数据复制出来，打开 Excel 或 Tableau 重新制图。

新的 Deep Research 和 Deep Research Max 已经可以在报告中原生生成图表和信息图。渲染方式支持 HTML 或 Google 的 Nano Banana 格式，数据可视化作为分析叙事的一部分自然嵌入。

Google DeepMind 的 AI Developer Experience 负责人 Philipp Schmid 在 LinkedIn 上透露，Deep Research Max 每个任务会运行约 160 次搜索查询。

做个对比：一个人类分析师做一份深度行研，通常会查阅 20-50 份材料。Deep Research Max 的 160 次查询不是盲目堆量 – – 因为有了 MCP 连接的专业数据源，每次搜索都能命中高价值信息。

Gemini 3.1 Pro 是背后的驱动力

这次升级的底层模型是 Gemini 3.1 Pro（2026 年 2 月 19 日发布）。有几个基准数据值得注意：

• ARC-AGI-2：77.1%（衡量解决新型逻辑模式的能力，是 Gemini 3 Pro 的两倍多）
• DeepSearchQA：93.3%（Deep Research Max，从去年 12 月的 66.1% 跃升）
• BrowseComp：85.9%（硬事实检索）
• HLE（Humanity’s Last Exam）：54.6%

Google CEO Sundar Pichai 在 X 上的表述很直接：「用 Deep Research 追求速度和效率，用 Max 追求最高质量的上下文收集和综合。」

对企业和开发者来说，这意味着什么？

三个实际影响：

1. 金融分析的自动化路径更清晰了。 一家对冲基金接入 FactSet MCP 源，让 Deep Research Max 在凌晨自动生成一份包含财务数据、市场情绪分析和可视化图表的行业研究报告 – – 早上 9 点前的晨会材料，不需要实习生熬通宵了。

2. API 优先的设计降低了集成门槛。 开发者通过单次 API 调用就能触发整个研究流程。支持流式输出，可以看到 AI 的推理步骤实时展开。支持协作规划 – – 用户可以审核和编辑研究计划，然后再让 AI 执行。

3. 可以纯离线模式运行。 如果你不想 AI 搜索公开网络，可以关闭网络访问，只让 Deep Research 在你的文件上传和 MCP 数据源上工作。对于合规要求严格的行业（法律、医疗、国防），这是一个关键能力。

FAQ

Q：Deep Research 和 Deep Research Max 怎么选？ A：Deep Research 追求速度，适合流式返回客户端的场景。Max 追求全面性，每任务跑 160 次搜索，适合需要深度分析的报告。

Q：目前支持哪些输入格式？ A：文本、图片、PDF、音频、视频。可以上传 CSV 电子表格，也可以连接 MCP 数据源。

Q：和 OpenAI 的 Hermes、Perplexity 的 Deep Research 比如何？ A：各有所长。Google 的优势在于搜索生态 + MCP 的开放协议，数据和生态的深度目前领先。Perplexity 在用户体验上更简洁。

Q：数据安全怎么保证？ A：MCP 连接使用标准安全协议。纯离线模式下，数据不会离开你的 MCP 服务器和文件存储范围。

Google Deep Research 这次升级的核心不是技术参数的提升，而是范式的切换 – – 从「只能看公开网页」到「能接入你的工作环境」。MCP + 原生图表 + 离线模式，这三个能力加在一起，把一个搜索工具变成了一个真正的分析伙伴。

对于需要处理大量数据的金融、咨询、法律、医疗行业的从业者来说，这可能比你想象的更有用。