DeerFlow 工具集成实战4 个配置让 AI 深度研究真正跑起来【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让 AI 做行业调研很多人第一步就卡在调不动搜索引擎上模型只会生成文字却拿不到最新网页、查不到公司内部的资料库。DeerFlow 是一个开源的长任务 Agent 框架能帮你做研究、写代码、产出报告而它工具集成的意义就是——让 AI 从会说变成会做。本文带你用 4 组配置把搜索引擎、私有知识库、MCP 扩展接口和 Python REPL 全部接起来。信息从哪来多搜索引擎与私有知识库的统一入口 先说你能拿到什么一个web_search工具名背后随便换引擎。你在配置文件里注释/取消注释某一段AI 的检索来源就换了上层 Agent 的提示词和调用逻辑一行都不用改。这样做的好处是调研初期用 DuckDuckGo 零成本起步发现质量不够再切 Tavily接了企业内部 RAGFlow 后网络搜索和私有知识库可以并存AI 按需选用。切换方式就是在config.yaml示例见仓库根目录的config.example.yaml的 tools 列表里选一个web_search条目# config.yaml 节选换引擎 换一行 use - name: web_search group: web use: deerflow.community.tavily.tools:web_search_tool max_results: 5底层原理很轻每个引擎是一个独立的 community 工具实现比如 brave 搜索工具、tavily 搜索工具对外暴露统一的工具名和参数切换时对上层完全透明。常用搜索引擎怎么选引擎需要 Key特点适合场景Tavily是TAVILY_API_KEYAI 原生支持域名过滤、原始网页内容、图片结果深度调研首选Brave Search是BRAVE_SEARCH_API_KEY独立索引隐私友好想要中立结果源Arxiv否学术库专用带作者/机构元数据论文综述、技术选型DuckDuckGo / SearXNG否免费、自托管SearXNG零成本起步Serper / Exa / Firecrawl是Google 结果 API、神经搜索、抓取一体按业务补齐配置流程一眼看懂私有知识库接入 RAGFlow 与 VikingDB公司文档、产品手册这类网上搜不到的信息靠私有知识库解决。DeerFlow 的 RAGFlow 检索工具 会把知识库查询包装成一个只读的knowledge_search工具挂给 Agent你可以直接限制它只能访问哪些数据集ID 永远不会泄露给模型配置项说明RAGFLOW_API_URL/base_urlRAGFlow 服务地址必填RAGFLOW_API_KEY鉴权密钥必填page_size、similarity_threshold返回条数与相似度阈值可按噪音大小调datasets可选白名单只允许检索指定数据集VikingDB火山引擎知识库是另一条路走 AK/SK 的 HMAC-SHA256 签名认证支持稠密检索权重、重排序、块分组等高级参数适合已经在火山引擎生态里的团队。两者都遵循统一的资源 URI 约定rag://dataset/{id}[#{doc_id}]换引擎时引用方式不变。给 AI 装上扩展接口MCP 协议配置实战 前面解决的是查信息MCPModel Context Protocol解决的是用工具——数据库、工单系统、内部 API只要对方提供 MCP ServerDeerFlow 就能把它的工具直接装进 Agent。接入分四步把仓库根目录的extensions_config.example.json复制为extensions_config.json给目标 Server 设enabled: true填好连接参数重启应用。工具会在启动时自动发现并注册。完整说明见 MCP 配置文档。MCP 三种传输模式怎么选传输模式配置要点典型场景stdiocommandargs本地起进程本地 MCP Server、npx/uvx一键拉起的工具sseurl指向/sse端点需要服务端实时推送事件streamable_httpurl指向/mcp端点官方 HTTP Server如 OpenViking以接入 OpenViking 这类 HTTP Server 为例配置长这样注意$ENV_VAR写法可以避免把密钥明文写进配置{ mcpServers: { openviking: { enabled: true, type: http, url: http://127.0.0.1:1933/mcp, headers: { X-API-Key: $OPENVIKING_API_KEY } } } }两个实用技巧一是给 Server 配routing关键词提示比如让查订单类问题优先走 Postgres MCP 工具而不是网页搜索二是 MCP 工具很多时可开启tool_search延迟加载——工具名先进系统提示词模型需要时才取完整 schema省上下文还提高选型准确率。让 AI 自己跑代码Python REPL 的启用与安全边界 调研做到一半发现这个转化率得算一下理想情况是 AI 自己写段 Python 跑完把结果贴回来而不是让你手动去算。DeerFlow 的 Python REPL 工具就是干这个的执行代码、捕获标准输出、自动捕获异常并返回可读的错误信息全程带执行日志。怎么开启设置环境变量即可支持true/1/yes/on等写法export ENABLE_PYTHON_REPLtrue为什么默认禁用REPL 意味着执行任意代码属于高危能力。DeerFlow 的策略是默认关显式开——不开时工具会直接返回禁用提示而不是静默失败这让你能在审查配置时明确知道风险边界。生产环境建议只在可信沙箱里开启并配合访问控制、定期审查执行内容。典型用法统计计算求均值、标准差、算法验证跑一遍排序/过滤逻辑、数学建模复利、财务测算。提示词里记得让 AI 用print(...)输出结果——打印出来的内容才是用户可见的。快速上手环境变量与配置文件速查 ✅所有配置项合并成一张表直接抄配置项类型说明TAVILY_API_KEY环境变量Tavily 搜索密钥BRAVE_SEARCH_API_KEY环境变量Brave Search 密钥RAGFLOW_API_URL、RAGFLOW_API_KEY环境变量RAGFlow 地址与密钥必填RAGFLOW_RETRIEVAL_SIZE环境变量检索返回条数默认 10VIKINGDB_KNOWLEDGE_BASE_API_URL环境变量VikingDB 服务地址必填VIKINGDB_KNOWLEDGE_BASE_API_AK/_API_SK环境变量VikingDB 签名密钥对必填VIKINGDB_KNOWLEDGE_BASE_RETRIEVAL_SIZE环境变量检索数量默认 15ENABLE_PYTHON_REPL环境变量设为 true/1/yes/on 启用 REPLENABLE_MCP_SERVER_CONFIGURATION环境变量显式启用 MCP 配置加载config.yaml→tools配置文件选择web_search引擎与knowledge_search参数extensions_config.json配置文件MCP Server 列表从 example 复制而来组合示例# 一套调研全家桶 export TAVILY_API_KEYtvly-xxx export RAGFLOW_API_URLhttp://localhost:9380 export RAGFLOW_API_KEYragflow-xxx export ENABLE_PYTHON_REPLtrue cp extensions_config.example.json extensions_config.json配置文件的位置config.yaml对照 config.example.yaml 填写和根目录的extensions_config.jsonMCP 专用。改完统一重启 DeerFlow 生效MCP 密钥只改了环境变量的话还要重启或调用POST /api/mcp/cache/reset刷新工具缓存。收尾这套组合能支撑的场景很具体接上 Tavily RAGFlowAI 能同时查全网和查公司知识库做竞品分析挂一个 Postgres 的 MCP Server它就能直接查订单数据再打开 Python REPL统计计算自己跑完。四个配置都指向同一件事——让 AI 的每一次回答都有真实信息兜底。【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
