Google 发布新一代 Deep Research：MCP 接入私有数据，研究代理进入企业级

从网页搜索器到自主研究代理

Google 基于 Gemini 3.1 Pro 发布了新一代 Deep Research，这不仅仅是模型能力的升级——研究代理的定位正在发生根本性转变。

双产品线：交互与深度两条路径

这次 Google 直接把 Deep Research 拆成了两条产品线，各有明确的场景定位：

• Deep Research：做了低延迟优化，替代去年 12 月的预览版。适合需要快速反馈的交互式场景，用户可以边看边改方向。
• Deep Research Max：拉满 test-time compute，走深度推理路线。面向异步离线工作流，适合跑完一整轮完整研究再来看结果。

两条线的分化说明 Google 认清了一件事：实时交互和深度研究本质上是两种不同的需求，硬塞进一个产品里只会两头不讨好。

MCP 协议接入：关键的架构决策

这次更新最值得关注的变化是 Deep Research 支持 MCP（Model Context Protocol）协议接入私有数据源。

过去 Deep Research 只能搜网页，能力边界完全由 Google Search 决定。现在通过 MCP，它可以连接：

• 企业自有数据库和内部文档系统
• 金融终端数据流（FactSet、S&P Global、PitchBook）
• 任意符合 MCP 规范的第三方数据服务

Google 已经和 FactSet、S&P、PitchBook 合作设计了专用的 MCP server，把金融数据直接灌进 Deep Research 的推理链路里。这意味着在金融研究场景下，Deep Research 不再是“搜完网页再总结”，而是直接在专业数据上做分析。

这个架构决策的意义在于：Deep Research 从一个公开互联网的搜索增强工具，变成了一个可以接入任意数据源的研究代理框架。企业可以根据自己的数据资产定制研究能力，这是走向企业级应用的关键一步。

原生图表生成

另一个实用的新能力是原生图表生成。Deep Research 现在可以直接输出 HTML 格式或 Nano Banana 格式的图表，这是 Gemini API 首次支持这种能力。

研究报告中图表的价值不言而喻——能自动生成可视化图表，意味着输出的不只是文字分析，而是结构化的研究报告。

数据源：任意组合

Deep Research 现在支持四种数据源的任意组合：

1. 网页搜索：公开互联网信息
2. 远程 MCP 服务：企业私有数据和第三方专业数据
3. 文件上传：用户直接提供的文档
4. 文件存储：关联的云端文件

多源混合查询让研究场景更灵活。比如分析一家上市公司时，可以同时拉 SEC 文件（MCP）、上传内部研报（文件上传）、搜索最新新闻（网页），然后在同一个研究流程里交叉验证。

研究质量的变化

Google 声称新版 Deep Research 相比去年版本有明显的质量提升：

• 咨询的来源数量更多，覆盖面更广
• 能识别出更多关键细节，不遗漏重要信息
• 更倾向于引用 SEC 文件、同行评审论文等权威来源，而非内容农场
• 能够将密集的技术数据转化为可操作的格式

最后一点尤其重要。研究代理的价值不在于找到多少信息，而在于把信息变成决策依据。如果输出还是一堆原始数据堆砌，那跟搜索引擎没有本质区别。

同样的引擎，不同的产品

这套 Deep Research 能力不只是 standalone API，它同时驱动着：

• Gemini App：面向消费者的通用 AI 助手
• NotebookLM：Google 的研究笔记本工具
• Google Search：搜索结果中的 AI 概览
• Google Finance：金融信息场景

这说明 Google 在内部已经完成了研究能力的统一化——一个底层引擎，多个产品入口。对开发者来说，用 API 调到的能力和 Google 自家产品用的是同一套。

总结

新一代 Deep Research 的核心叙事不是“模型更强了”，而是“研究代理的边界被打开了”。MCP 协议的引入让企业数据接入成为可能，双产品线的拆分让不同场景有了合适的工具，图表生成和多源组合则补齐了输出端的短板。

从搜索增强到自主研究代理，这个转变的路线图正在变得清晰。

来源：Google Blog, The Verge