AI尝鲜:DeerFlow,可以使用MCP的深度研究工具

本文涉及的产品
轻量应用服务器 2vCPU 4GiB,适用于搭建容器环境
轻量应用服务器 2vCPU 4GiB,适用于搭建Web应用/小程序
轻量应用服务器 2vCPU 1GiB,适用于搭建电商独立站
简介: DeerFlow(Deep Exploration and Efficient Research Flow)是一个社区驱动的深度研究框架,它建立在开源社区的杰出工作基础之上。我们的目标是将语言模型与专业工具(如网络搜索、爬虫和 Python 代码执行)相结合,同时回馈使这一切成为可能的社区。

更多最新最热的AI工具持续上新中,快来尝鲜实验室AI一下吧!立即点击体验

一、DeerFlow实验概述

简要

DeerFlow(Deep Exploration and Efficient Research Flow)是一个社区驱动的深度研究框架,它建立在开源社区的杰出工作基础之上。我们的目标是将语言模型与专业工具(如网络搜索、爬虫和 Python 代码执行)相结合,同时回馈使这一切成为可能的社区。 访问DeerFlow 的官方网站了解更多详情。使用场景上举例来说,使用使用DeerFlow分析中国的大豆进口情况和使用高德地图MCP,分析对比杭州和北京的大型商场数量。

举例一:使用使用DeerFlow分析中国的大豆进口情况

在DeerFLow中,可以输入任意你想做深入研究的话题,例如,我们想分析2024年中国的大豆进口情况。在对话框中输入:“2024年中国的大豆进口情况”,DeerFLow即可以开始使用搜索引擎搜索相关的数据,并形成研究报告。


举例二:

(1)在DeerFlow中设置高德地图MCP

  • 进入高德地区API主页,申请高德地图API

快速接入-MCP Server | 高德地图API

  • 将下列内容中“您在高德官网上申请的key”,替换成申请到的高德地图API,复制下列内容备用
{
 "mcpServers": {
    "amap-amap-sse": {
      "url": "https://mcp.amap.com/sse?key=您在高德官网上申请的key"
    }
  }
}

  • 回到deerflow主页,依次点击页面右上角的设置按钮,在弹出的DeerFlow Setting页面中,点击“ec”,再点击“Add Server”,粘贴上一步保存的mcp server内容,点击“Add”

  • 显示如下界面后,代表高德地图MCP已经设置完毕。

(2)使用高德地图MCP做深度研究

  • 在对话框中,输入如下问题:杭州、北京分别各自有多少家大型商场?包括但不限于银泰、龙湖天街等这样的商业综合体。使用高德地图。
  • 等待几分钟后,完成深度研究,形成研究报告

二、DeerFlow实验步骤

部署流程

  1. 访问DeerFlow社区版服务部署链接,按提示填写部署参数:

  1. 参数填写完成后可以看到对应询价明细,确认参数后点击下一步:确认订单。 确认订单完成后同意服务协议并点击立即创建进入部署阶段。
  2. 等待部署完成后进入服务实例管理, 在控制台找到DeerFlow服务访问链接。

  1. 单击链接访问服务。


相关文章
|
6天前
|
XML 人工智能 JSON
别再误会MCP了!一篇写给AI工程师的硬核“辟谣”指南
本文深入剖析Model Context Protocol(MCP)的本质,澄清其常被误认为“高级Function Calling”的认知偏差。通过架构分析、源码验证与实战解剖,论证MCP实为模型无关的工程协议,由Host、Client、Server三组件构成,核心在于实现AI智能与能力执行的解耦。文章揭示MCP的真实价值是提供标准化、可互操作的AI应用基础设施,而非直接提升AI能力,并指出其在Token成本与意图识别稳定性上的挑战,最终回归工程本质,强调对Host智能优化的关键作用。
别再误会MCP了!一篇写给AI工程师的硬核“辟谣”指南
|
26天前
|
JSON 人工智能 Java
基于Spring AI构建智能Text-to-SQL转换器:一个完整的MCP
Spring AI 更新结构化输出转换器,弃用旧版 Parser 类,引入与 Spring 框架对齐的 Converter 体系,提升命名规范与功能兼容性。新版本支持 JSON、XML 及 Java 对象转换,确保 LLM 输出结构化,便于下游应用处理。
|
19天前
|
人工智能 JavaScript 算法
Playwright携手MCP:AI智能体实现自主化UI回归测试
MCP 协议使得 AI 能够通过 Playwright 操作浏览器,其中快照生成技术将页面状态转化为 LLM 可理解的文本,成为驱动自动化测试的关键。该方式适用于探索性测试和快速验证,但目前仍面临快照信息缺失、元素定位不稳定、成本高、复杂场景适应性差以及结果确定性不足等挑战。人机协同被认为是未来更可行的方向,AI 负责执行固定流程,人类则专注策略与验证。
|
7天前
|
机器学习/深度学习 人工智能 机器人
AI Compass前沿速览:Nano Bananary、MCP Registry、通义DeepResearch 、VoxCPM、InternVLA·M1具身机器人
AI Compass前沿速览:Nano Bananary、MCP Registry、通义DeepResearch 、VoxCPM、InternVLA·M1具身机器人
|
22天前
|
人工智能 安全 数据可视化
深度解析三大AI协议:MCP、ACP与A2A,看懂智能代理的通信法则
在AI代理技术快速发展的背景下,MCP、ACP和A2A三大协议成为推动AI生态协作的关键标准。MCP(模型上下文协议)为大模型提供标准化信息接口,提升AI处理外部数据的效率;ACP(代理通信协议)专注于边缘设备间的低延迟通信,实现本地系统的高效协同;A2A(代理对代理协议)则构建跨平台通信标准,打通不同AI系统的协作壁垒。三者各司其职,共同推动AI从独立工具向智能协作团队演进,提升整体智能化水平与应用灵活性。
203 2
深度解析三大AI协议:MCP、ACP与A2A,看懂智能代理的通信法则
|
2天前
|
人工智能 自然语言处理 前端开发
深度解析Playwright MCP:功能、优势与挑战,AI如何提升测试效率与覆盖率
Playwright MCP通过AI与浏览器交互,实现自然语言驱动的自动化测试。它降低门槛、提升效率,助力测试工程师聚焦高价值工作,是探索性测试与快速验证的新利器。
|
3天前
|
Web App开发 人工智能 自然语言处理
快速搞定Dify+Chrome MCP:打造能操作网页的AI助手
用Dify+Chrome MCP,3分钟打造能“动手”操作网页的AI助手!无需编程,通过自然语言指令实现自动填表、数据抓取、网页点击等自动化任务。本地部署简单,支持搜索、登录、监控等场景,让AI成为你的7×24小时数字员工,高效处理重复性网页工作。
|
5天前
|
人工智能 自然语言处理 算法
现代AI工具深度解析:从GPT到多模态的技术革命与实战应用
蒋星熠Jaxonic,AI技术探索者,深耕代码生成、多模态AI与提示词工程。分享AI工具架构、实战应用与优化策略,助力开发者提升效率,共赴智能编程新纪元。
31 4

热门文章

最新文章