Deep Research v2.0

Overview

OpenAIまたはGoogle Gemini Deep Research APIを活用して、複雑なテーマについて深層的なリサーチを実行する統合スキルである。

v2.0 核心変更（Subcommand Architecture）

v1.0は単一プロセスブロッキング方式であったが、v2.0でSubcommandアーキテクチャに全面再設計された:

start

poll

事前要件

APIキー設定

使用するプロバイダに応じてAPIキーを設定する必要がある:

OpenAI

1. OpenAI PlatformでAPIキーを発行
2. 環境変数設定:

   export OPENAI_API_KEY="your-api-key"

Google

1. Google AI StudioでAPIキーを発行
2. 環境変数設定:

   export GEMINI_API_KEY="your-api-key"

Pythonパッケージインストール

# OpenAI用
pip install openai

# Google用
pip install google-genai

# または両方
pip install openai google-genai

プロバイダ比較

background=True

background=True

サブコマンド

アーキテクチャ概要

start ──→ [Stateファイル生成] ──→ poll ──→ [完了検知] ──→ result
  │                                │
  │ (即時返却、session_id出力)      │ (反復ポーリング、バックグラウンド可能)
  │                                │
  └── status (1回照会) ────────────┘

list: 全セッション一覧照会
run:  start + poll (レガシー互換)

1.

start

- リサーチ開始（即時返却）

# OpenAIでリサーチ開始
python scripts/deep_research.py start "リサーチテーマ" --provider openai

# Googleでリサーチ開始
python scripts/deep_research.py start "リサーチテーマ" --provider google

# 自動Provider選択
python scripts/deep_research.py start "リサーチテーマ" --auto

# OpenAI + 高速モデル
python scripts/deep_research.py start "リサーチテーマ" --provider openai --model mini

# 日本語結果要求
python scripts/deep_research.py start "リサーチテーマ" --language japanese

# カスタム出力パス
python scripts/deep_research.py start "リサーチテーマ" --output docs/research/custom.md

出力:

session_id

status

poll

result

2.

status

- 状態確認（1回）

python scripts/deep_research.py status <session_id>

出力:

queued

in_progress

completed

failed

cancelled

3.

poll

- 完了までポーリング

# 完了まで待機（バックグラウンド実行推奨）
python scripts/deep_research.py poll <session_id>

• OpenAI: 15秒間隔、最大120回（30分）
• Google: 30秒間隔、最大60回（30分）
• Zombie Guard: 最大反復回数到達時に自動中断（無限ループ防止）

4.

result

- 完了した結果照会

python scripts/deep_research.py result <session_id>

完了したリサーチ結果を出力しファイルに保存する。

5.

list

- セッション一覧

python scripts/deep_research.py list

全リサーチセッションの状態を表で表示する。

6.

run

- レガシー互換（start + poll）

# v1.0互換: start後に自動poll
python scripts/deep_research.py run "リサーチテーマ" --provider openai

# レガシー構文もサポート（サブコマンドなし）
python scripts/deep_research.py "リサーチテーマ" --provider openai

ワークフロー

基本ワークフロー（推奨）

# 1. リサーチ開始（即時返却）
python scripts/deep_research.py start "プログラミング学習アプリ市場分析" --auto
# → session_id: mkt-analysis-openai-20260208

# 2. (任意) 状態確認
python scripts/deep_research.py status mkt-analysis-openai-20260208

# 3. 完了までポーリング（バックグラウンド実行可能）
python scripts/deep_research.py poll mkt-analysis-openai-20260208

# 4. 結果確認
python scripts/deep_research.py result mkt-analysis-openai-20260208

Claude Codeでの実行パターン

# start (Bashツール、即時返却)
python scripts/deep_research.py start "テーマ" --auto

# poll (Bashツール、run_in_background=true)
python scripts/deep_research.py poll <session_id>

# 完了確認後に結果照会
python scripts/deep_research.py result <session_id>

クラッシュ復旧

プロセスが中断されてもStateファイルが残っているため:

# セッション一覧でin_progressを確認
python scripts/deep_research.py list

# 再度ポーリング開始
python scripts/deep_research.py poll <session_id>

出力ファイル

デフォルト保存パス

--output

docs/research/

ファイル名形式

{slug}-{provider}-{date}.md

例:

• mkt-analysis-openai-20260208.md

• ai-trend-2026-google-20260208.md

• nextjs-vs-remix-openai-20260208.md

Slug生成規則

• クエリから主要キーワードを抽出し最大5単語で組み合わせ
• 日本語はローマ字変換せず主要英語キーワードを抽出
• 特殊文字を除去、ハイフンで接続

Stateファイル管理

Stateファイルは

.claude/skills/deep-research/state/

Stateファイル構造

{
  "session_id": "mkt-analysis-openai-20260208",
  "provider": "openai",
  "query": "プログラミング学習アプリ市場分析",
  "status": "in_progress",
  "api_id": "resp_xxx",
  "output_path": "docs/research/mkt-analysis-openai-20260208.md",
  "created_at": "2026-02-08T15:30:00",
  "updated_at": "2026-02-08T15:35:00"
}

自動クリーンアップ

config.yaml

state.cleanup_after_hours

Smart Provider Selection

クエリ内容を自動分析して最適なProviderを選択するインテリジェントルーティング機能である。

使い方

# 自動選択モード（キーワード分析 + 学習ベース）
python scripts/deep_research.py start "プログラミング学習アプリの最新トレンド" --auto

# 戦略指定 - 品質優先（OpenAI優先）
python scripts/deep_research.py start "深層分析が必要なテーマ" --strategy quality

# 戦略指定 - コスト優先（Google優先）
python scripts/deep_research.py start "幅広い市場調査" --strategy cost

キーワードルール

OpenAIが選択されるキーワード:

• 深層、deep、分析、analysis、学術、academic、研究、research、レポート、report、論文、paper、構造化、structured

Googleが選択されるキーワード:

• 最新、latest、トレンド、trend、ニュース、news、市場、market、競合、competitor、高速、quick、スキャン、scan、現況、current

戦略モード

auto

quality

cost

manual

学習データ

使用履歴は

logs/usage_patterns.json

プロンプト作成のコツ

APIを通じたDeep ResearchはChatGPTと異なり明確化質問を行わないため、プロンプトに以下を含めると良い:

1. 具体的な範囲: 「直近2年間」、「日本市場中心」
2. 求める比較点: 「価格、性能、使いやすさの比較」
3. 求める指標: 「市場規模、成長率、MAUを含む」
4. 好ましい出典: 「学術論文中心」、「産業レポート参照」
5. 出力形式: 「表形式で整理」、「長所短所リストで」

制限事項

共通

• APIアクセス: 各プロバイダのAPIキーが必要
• コスト: Deep Researchモデルは一般モデルよりコストが高い
• 用途: 単純な質問や短い対話には不適切（一般モデル使用推奨）
• Zombie Guard: 最大ポーリング回数超過時に自動中断

OpenAI専用

• モデルサポート: o3-deep-research、o4-mini-deep-researchのみサポート

Google専用

• 実行時間: 最大60分（大部分は20分以内に完了）
• オーディオ入力: サポートされない
• ストリーミング: サポートされない（ポーリングベース）

エラー処理

OPENAI_API_KEY not set

export OPENAI_API_KEY="..."

GEMINI_API_KEY not set

export GEMINI_API_KEY="..."

AuthenticationError

RateLimitError

Zombie guard triggered

list

poll

State file not found

list

設定 (config.yaml)

# ポーリング設定
polling:
  openai:
    interval: 15 # 秒
    max_iterations: 120 # 15s x 120 = 30分
  google:
    interval: 30
    max_iterations: 60 # 30s x 60 = 30分

# 出力設定
output:
  default_dir: 'docs/research'
  filename_format: '{slug}-{provider}-{date}'

# State設定
state:
  dir: 'state'
  cleanup_after_hours: 72

Resources

scripts/

• deep_research.py

  - Deep Research CLI v2.0 (Subcommand Architecture)

references/

• openai_api_reference.md

  - OpenAI Deep Research API参照ドキュメント

• google_api_reference.md

  - Google Deep Research API参照ドキュメント

state/

• リサーチセッションStateファイル保存ディレクトリ

logs/

• usage_patterns.json

  - Smart Provider Selection 学習データ