尧图网页设计 
4 步把搜索、知识库和第三方服务接到 Agent 上DeerFlow 工具集成完整指南【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flowAgent 要查最新资料、翻企业内部文档、跑几行 Python 代码怎么办DeerFlow 的工具集成给出了答案选一个合适的搜索引擎、挂上私有知识库、通过 MCP 接入第三方工具、让代码在沙箱里执行。下面按真实需求走一遍 DeerFlow 工具集成的完整路径。先看整体Agent 只面对一组统一命名的工具背后接什么引擎由你配置决定。让 Agent 会搜网三个搜索引擎一个配置位场景你让 Agent 做调研它得自己找资料。DeerFlow 把所有搜索提供方收敛成同一个web_search工具入口。Agent 侧看到的始终是一个工具底层换成 Tavily、Brave Search 还是免 key 的 DuckDuckGo只改 config.example.yaml 里tools列表中的一个条目。三种引擎怎么选提供方API Key特点适合场景Tavily需要TAVILY_API_KEY面向 AI 设计可返回页面正文深度调研、需要上下文Brave Search需要BRAVE_SEARCH_API_KEY独立索引质量稳定新闻、技术文档Arxiv不需要学术论文库查论文、梳理相关工作学术场景下你还可以直接调用仓库里现成的 Arxiv 检索脚本公共技能包中附带拉取论文列表和摘要不占用搜索工具的配额。三步配置 DeerFlow 搜索引擎第一步在config.yaml的tools里解开对应引擎的注释块以 Tavily 为例tools: - name: web_search group: web use: deerflow.community.tavily.tools:web_search_tool max_results: 5 # api_key: $TAVILY_API_KEY第二步把 key 放进环境变量而不是写死在文件里export TAVILY_API_KEY你的key第三步重启网关。各社区搜索实现的源码都在 backend/packages/harness/deerflow/community/ 目录下想换引擎就对照目录挑一个配置方式完全一致。挂上企业知识库DeerFlow RAG 怎么接场景答案不在网上在你们自己的文档库里。RAGFlow一个配置条目DeerFlow 把 RAGFlow 包装成了knowledge_search只读工具。config.example.yaml里已经写好了整段注释解开、填上服务地址和 key 即可- name: knowledge_search group: knowledge use: deerflow.community.ragflow.tools:knowledge_search_tool base_url: http://localhost:9380 api_key: $RAGFLOW_API_KEY page_size: 8检索时 DeerFlow 会按嵌入模型把数据集分组并行查询再在统一的page_size上限内合并结果控制喂给模型的字符总量。VikingDBAK/SK 签名接入如果你用的是火山引擎的 VikingDB 知识库服务走的是同一套Retriever接口只是换掉了认证参数配好服务地址、AK 和 SKDeerFlow 会用 HMAC-SHA256 对每个请求做签名再发出去。你可以继续调retrieval_size控制单次返回的条数。知识库资源怎么寻址两类知识库的资源都用统一 URI 标识rag://dataset/{资源ID}后面可以跟一个文档 ID 片段来收窄范围。检索结果统一变成文档列表交给模型引用你不需要为不同提供方写两套提示词。加第三方工具DeerFlow MCP 接入场景想让 Agent 管 GitHub 仓库、查 Postgres、调内部 SaaS。与其一个个手写工具不如直接接现成的 MCP 服务器。三种传输方式一份配置stdio 启动本地进程用uvx或npx拉起 MCP 服务器SSE 和 HTTP 走远程地址加请求头。三种方式都写在extensions_config.json的mcpServers里字段名相同只是传输相关字段不同。注册一个 MCP 服务器{ mcpServers: { github: { enabled: true, type: stdio, command: npx, args: [-y, modelcontextprotocol/server-github] } } }保存后工具是懒加载的首次用到才连接服务器、拉取工具列表工具名默认带服务器名_前缀避免撞名。如果接的是长任务类服务比如生成报表还能用task_toolsets绑定提交/查询/取消三个工具后台轮询和结果回传由 DeerFlow 接管。传输细节和任务机制的完整说明见 backend/docs/MCP_SERVER.md。安全边界通过 API 注册的 stdio 服务器只能使用npx/uvx这类白名单命令会执行代码的环境变量一律拒绝HTTP 服务支持 OAuth 自动刷新令牌也支持按用户注入各自的凭据多租户场景下不会串号。让模型直接跑 Python沙箱里的代码执行场景验证一个算法、算一组统计量。Agent 不能只靠背答案得真跑一遍。DeerFlow 用沙箱工具承担代码执行Agent 写出 Python在隔离环境里运行收集标准输出和生成的文件。形式上接近 Python REPL 交互式解释器可以一轮一轮迭代修改再执行。仓库自带的演示会话就展示了这种产出——Agent 分析泰坦尼克号数据集后画出的存活率总览同一轮分析生成的特征相关性热力图沙箱怎么选本地沙箱适合单机开发E2B、AIO 等云端沙箱实现放在 community 目录下按需切换Agent 侧接口不变。执行如何保持安全代码在独立沙箱进程里跑碰不到网关本体产出文件落在当前线程的工作区之后可以被引用、可以随会话导出。你不需要为Agent 写了段危险代码担心它影响宿主机。怎么选怎么上手只想让 Agent 搜网默认条目用的是免 key 的 DuckDuckGo零配置可用要更好的质量再换 Tavily 或 Brave有企业内部文档先跑起 RAGFlow解开knowledge_search条目要接第三方服务extensions_config.json加一个mcpServers条目要跑代码确认沙箱实现已启用上手路径很简单把config.example.yaml复制为config.yaml填上你的 keymake dev起服务。哪块接不通直接翻对应目录下的 AGENTS.md每个模块都写了维护者视角的说明。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 4 步把搜索、知识库和第三方服务接到 Agent 上：DeerFlow 工具集成完整指南
4 步把搜索、知识库和第三方服务接到 Agent 上DeerFlow 工具集成完整指南【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flowAgent 要查最新资料、翻企业内部文档、跑几行 Python 代码怎么办DeerFlow 的工具集成给出了答案选一个合适的搜索引擎、挂上私有知识库、通过 MCP 接入第三方工具、让代码在沙箱里执行。下面按真实需求走一遍 DeerFlow 工具集成的完整路径。先看整体Agent 只面对一组统一命名的工具背后接什么引擎由你配置决定。让 Agent 会搜网三个搜索引擎一个配置位场景你让 Agent 做调研它得自己找资料。DeerFlow 把所有搜索提供方收敛成同一个web_search工具入口。Agent 侧看到的始终是一个工具底层换成 Tavily、Brave Search 还是免 key 的 DuckDuckGo只改 config.example.yaml 里tools列表中的一个条目。三种引擎怎么选提供方API Key特点适合场景Tavily需要TAVILY_API_KEY面向 AI 设计可返回页面正文深度调研、需要上下文Brave Search需要BRAVE_SEARCH_API_KEY独立索引质量稳定新闻、技术文档Arxiv不需要学术论文库查论文、梳理相关工作学术场景下你还可以直接调用仓库里现成的 Arxiv 检索脚本公共技能包中附带拉取论文列表和摘要不占用搜索工具的配额。三步配置 DeerFlow 搜索引擎第一步在config.yaml的tools里解开对应引擎的注释块以 Tavily 为例tools: - name: web_search group: web use: deerflow.community.tavily.tools:web_search_tool max_results: 5 # api_key: $TAVILY_API_KEY第二步把 key 放进环境变量而不是写死在文件里export TAVILY_API_KEY你的key第三步重启网关。各社区搜索实现的源码都在 backend/packages/harness/deerflow/community/ 目录下想换引擎就对照目录挑一个配置方式完全一致。挂上企业知识库DeerFlow RAG 怎么接场景答案不在网上在你们自己的文档库里。RAGFlow一个配置条目DeerFlow 把 RAGFlow 包装成了knowledge_search只读工具。config.example.yaml里已经写好了整段注释解开、填上服务地址和 key 即可- name: knowledge_search group: knowledge use: deerflow.community.ragflow.tools:knowledge_search_tool base_url: http://localhost:9380 api_key: $RAGFLOW_API_KEY page_size: 8检索时 DeerFlow 会按嵌入模型把数据集分组并行查询再在统一的page_size上限内合并结果控制喂给模型的字符总量。VikingDBAK/SK 签名接入如果你用的是火山引擎的 VikingDB 知识库服务走的是同一套Retriever接口只是换掉了认证参数配好服务地址、AK 和 SKDeerFlow 会用 HMAC-SHA256 对每个请求做签名再发出去。你可以继续调retrieval_size控制单次返回的条数。知识库资源怎么寻址两类知识库的资源都用统一 URI 标识rag://dataset/{资源ID}后面可以跟一个文档 ID 片段来收窄范围。检索结果统一变成文档列表交给模型引用你不需要为不同提供方写两套提示词。加第三方工具DeerFlow MCP 接入场景想让 Agent 管 GitHub 仓库、查 Postgres、调内部 SaaS。与其一个个手写工具不如直接接现成的 MCP 服务器。三种传输方式一份配置stdio 启动本地进程用uvx或npx拉起 MCP 服务器SSE 和 HTTP 走远程地址加请求头。三种方式都写在extensions_config.json的mcpServers里字段名相同只是传输相关字段不同。注册一个 MCP 服务器{ mcpServers: { github: { enabled: true, type: stdio, command: npx, args: [-y, modelcontextprotocol/server-github] } } }保存后工具是懒加载的首次用到才连接服务器、拉取工具列表工具名默认带服务器名_前缀避免撞名。如果接的是长任务类服务比如生成报表还能用task_toolsets绑定提交/查询/取消三个工具后台轮询和结果回传由 DeerFlow 接管。传输细节和任务机制的完整说明见 backend/docs/MCP_SERVER.md。安全边界通过 API 注册的 stdio 服务器只能使用npx/uvx这类白名单命令会执行代码的环境变量一律拒绝HTTP 服务支持 OAuth 自动刷新令牌也支持按用户注入各自的凭据多租户场景下不会串号。让模型直接跑 Python沙箱里的代码执行场景验证一个算法、算一组统计量。Agent 不能只靠背答案得真跑一遍。DeerFlow 用沙箱工具承担代码执行Agent 写出 Python在隔离环境里运行收集标准输出和生成的文件。形式上接近 Python REPL 交互式解释器可以一轮一轮迭代修改再执行。仓库自带的演示会话就展示了这种产出——Agent 分析泰坦尼克号数据集后画出的存活率总览同一轮分析生成的特征相关性热力图沙箱怎么选本地沙箱适合单机开发E2B、AIO 等云端沙箱实现放在 community 目录下按需切换Agent 侧接口不变。执行如何保持安全代码在独立沙箱进程里跑碰不到网关本体产出文件落在当前线程的工作区之后可以被引用、可以随会话导出。你不需要为Agent 写了段危险代码担心它影响宿主机。怎么选怎么上手只想让 Agent 搜网默认条目用的是免 key 的 DuckDuckGo零配置可用要更好的质量再换 Tavily 或 Brave有企业内部文档先跑起 RAGFlow解开knowledge_search条目要接第三方服务extensions_config.json加一个mcpServers条目要跑代码确认沙箱实现已启用上手路径很简单把config.example.yaml复制为config.yaml填上你的 keymake dev起服务。哪块接不通直接翻对应目录下的 AGENTS.md每个模块都写了维护者视角的说明。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考