把 Agent 的搜索能力搬到阿里云 ECS 上要注意什么

简介: `anysearch-dsh` 是一款为 DeepSeek Harness(DSH)集成 AnySearch 搜索与网页抓取能力的插件(npm 包 `@anysearch/anysearch-dsh`,422 Star),兼容现有 `web_search`/`web_fetch` 调用方式。需 Node 22.19+/24+、pnpm 11.7 及外网访问 `api.anysearch.com`,支持凭据安全落盘与域名级出网白名单管控。(239字)

anysearch-team/anysearch-dsh(422 Star,npm 包 @anysearch/anysearch-dsh @ 0.1.6)把 AnySearch 接成 DSH 现有 ctx.web 的搜索与抓取 Provider:无需改变 Harness 使用方式,web_search、web_fetch 照旧调用。

环境要求:Node 与 pnpm 都要在 PATH 里

插件引擎声明是 ^22.19.0 || >=24.0.0(Node.js 22.19 或 Node.js 24+),另需 pnpm 11.7 与 DSH 本体。其中 pnpm 最容易在云上被漏掉:它不参与运行时逻辑,但 DSH 插件命令用它管理 profile 依赖,不在 PATH 里就直接装不上。

出网:私有子网挂 EIP,或走 NAT 网关

插件所有能力都打 https://api.anysearch.com。详情页有明确警示:该插件运行需访问外部网络 / 远程 API,部署在国内无外网环境时可能无法正常使用。

实例在公网子网、绑了 EIP 最省事;放在私有子网就必须挂 NAT 网关(或配 SNAT 规则)才能出网——只放通安全组出方向并不够。

出方向建议按域名做白名单而非放开 0.0.0.0/0,至少放通该域名的 443。

安全组:最小放行,调试走 SSH 端口转发

DSH 的 Web UI 默认只绑回环地址,本来就不该被公网直接访问。调试用 SSH 端口转发:

再在本地打开 127.0.0.1:8787,安全组入方向一条规则都不用加。要给别人用也只放行固定来源网段与固定端口,按最小权限收敛。

凭据落盘:写进 $DSH_HOME/.credentials.yaml

免 Key 可跑,走 AnySearch 匿名额度;长期使用则去 anysearch.com 注册拿 Key,写入 $DSH_HOME/.credentials.yaml(默认 ~/.dsh/.credentials.yaml):

云上两件事必做:文件权限 chmod 600 且属主为运行 DSH 的账号;备份加密——云盘快照会把凭据一起带走,快照访问控制要按敏感数据管。另注意启动进程的环境变量优先级高于凭据文件,systemd 与凭据文件别放不同的 Key。

坑一:页面写着「可直接安装」,装完却不放心

现象。 详情页显示「✓ 可直接安装」,插件卡上的信任档位却是「需留意」。

原因。 口径不同:自动检查只校验 npm 包是否发布、engines 是否满足基线、入口文件是否声明,且未经人工实机验证;「实装验证未通过」(unsupported_dep_spec,2026/9/17)是真实安装失败的记录。

怎么处理。 当成「能装但未在真实环境验证通过」的插件:先在测试实例装一遍跑通基本问答,并到 GitHub 仓库确认最近更新与 issue,再决定是否放大范围。

坑二:安装命令一上来就失败

现象。 执行 dsh plugin --profile web add 直接报错退出,profile 都没建起来。

原因。 DSH 插件命令用 pnpm 管理 profile 依赖,pnpm 必须位于 PATH 中,README 也要求 pnpm 11.7;而云上镜像常常只有 npm。

怎么处理。 先跑 pnpm -v;不在 PATH 里就先启用 pnpm(corepack 或独立安装)再重试。

坑三:装完搜索全部超时或失败

现象。 插件装上了,会话里一发起搜索就卡住,最后超时。

原因。 插件所有能力都打 api.anysearch.com 且必须联网;私有子网没配 NAT 网关、或出方向白名单没放通该域名,都会是这个表现。

怎么处理。 确认实例有可用出网通路(EIP 或 NAT 网关),再放通 api.anysearch.com 的 443。这时白名单的好处就体现出来了:能把「出网被拦」与「凭据不对」分开。

坑四:免 Key 用几天后开始失败

现象。 前期什么都没配,搜索一直能用;过几天开始报错。

原因。 未配置凭据时走 AnySearch 匿名额度,额度有限,只够体验。

怎么处理。 到 anysearch.com 注册并在 API Keys 页面获取 Key 配置,可获每天 1000 次免费搜索调用额度;写完按上一节处理权限与备份。

总结

在 ECS 上跑这套搜索 Provider,卡人的从来不是安装命令,而是 pnpm 在不在 PATH、有没有出网通路、凭据文件谁读得到;理顺之后 web_search 与 web_fetch 就能照原生方式用,想对照同类插件的中文清单与安装形态见 DeepSeek Harness Hub 插件清单。

适合与不适合

适合:需要在 VPC 内给 Agent 补上实时网页搜索与正文抓取能力的团队;在 DSH 上跑工具链、希望搜索有独立调用上限的开发者;愿意按域名白名单管控出网、把凭据纳入受管环境的运维同学。

不适合:完全无出网通路又没法加 NAT 网关的实例——插件必须联网;需要浏览器自动化或登录态抓取的人——它替换的是 web_search / web_fetch 这条链路,不提供这部分能力;对「装前就要有实测背书」的生产系统不合适——它实装验证未通过、档位为「需留意」,站点也尚未做风险分级。

标签:anysearch-dsh、DeepSeek Harness、阿里云 ECS、出网白名单、凭据落盘

本文由 DeepSeek Harness Hub 自动整理,数据来源于插件详情页。

目录
相关文章
|
4月前
|
机器学习/深度学习 人工智能 缓存
阿里云百炼产品月报【2026年6月】
阿里云百炼本月重磅升级:Qwen3.7系列模型发布,HappyHorse-1.1上线;PTU能力增强,支持长上下文与多轮对话;新增费用概览看板及3款MCP服务;应用广场上新60+模板,覆盖短剧、写真、工业图纸识别等场景。
841 1
|
2月前
|
人工智能 自然语言处理 监控
大模型时代来了,新一代推荐AI客服产品有哪些必看指标?
本文剖析大模型时代AI客服选型范式变革:从“能否答对”转向“能否办完”。提出六大核心评估指标——任务闭环率、多轮对话能力、全渠道上下文保持率、工单闭环能力、安全合规性与三年TCO,以阿里云瓴羊Quick Service为实践样本,强调真实场景POC验证的重要性。
|
2月前
|
数据采集 人工智能 API
香港云服务器怎么抵御 CC 攻击?搭配高防实例拦截恶意请求
本文深度解析香港云服务器CC攻击的致命隐患与实战防御方案:CC攻击伪装真实用户、绕过传统防护,导致站点瘫痪、SEO崩盘。指出软件限流、防火墙等传统方式失效,推荐“香港源站+高防实例”联动架构——通过流量牵引、AI行为识别、四层/七层清洗、干净流量回注,实现精准拦截、零误封、业务不中断,兼顾谷歌收录与用户体验。
|
2月前
|
人工智能 数据中心
AI的下一个瓶颈是水 Gradiant拿下超大规模数据中心水务大单
过去两年,AI算力狂飙,电力之外,“水”成新瓶颈。美国戈润公司以端到端水务解决方案(HyperSolved)切入超大规模数据中心,提供从取水、冷却、回用到零排放的交钥匙服务,已落地英美多地。水资源正跃升为AI基建选址核心要素。
|
2月前
|
人工智能 自然语言处理 安全
阿里云千问办公 QwenWork详细介绍:产品核心能力、典型场景、价格及常见问题解答
在AI技术快速落地办公场景的当下,市面上绝大多数智能工具依旧停留在问答对话、文本摘要、简单文案改写层面,只能完成碎片化单点任务。企业员工处理一份完整业务工作时,往往需要同时开启多款工具,文档处理、数据分析、素材创作、网页制作分属不同软件,中间内容需要反复复制粘贴,即便借助通用大模型生成内容,输出成果还需要大量二次格式调整,才能达到交付标准。同时企业内部的数据分散在聊天记录、审批单据、本地文档、业务平台,普通AI工具无法直接读取内部业务信息,每一次任务都要人工复述背景条件,法务、财务、研发这类垂直岗位,还需要编写冗长提示词才能拿到相对可用结果,AI办公落地的实际门槛长期居高不下。千问办公Qwen
1013 13
|
12天前
|
人工智能 自然语言处理 双11
2026年阿里云双十一大促优惠活动,千问办公QwenWork,功能介绍、配置价格、选购指南与接入教程
综合来看,2026年阿里云千问办公QwenWork是把“人工办公”升级为“AI自动执行”的一站式平台,功能覆盖IM打通、Office交付、多模态、全栈网页、浏览器自动化与技能生态,价格梯度清晰,个人从免费版到高级版、企业从标准版到旗舰版都有明确档位。趁着2026年双十一的积分加倍与订阅折扣,先用免费版测试核心能力,再按使用频率选择付费档位,就是最稳妥、最省钱的选购与接入路径。
274 1
|
2月前
|
人工智能 Shell API
DeepSeek Harness 安装与使用完整指南
在大模型应用快速迭代的今天,单纯的对话API只能够完成文本输出,想要让AI具备读写本地文件、执行终端脚本、多步骤任务拆解、子智能体调度的真实操作能力,就离不开Agent运行底座。2026年8月正式开源的DeepSeek Harness(简称DSH),凭借**Agent = Model + Harness**核心理念迅速收获大量开发者关注。大模型是智能体的思考大脑,而Harness就是执行手脚,负责环境感知、工具调度、会话生命周期管理、沙箱隔离、任务循环、子Agent调度。项目依托Cordis微内核,贯彻“一切皆插件”设计思想,模型适配器、工具集、存储、Web前端界面全部以插件形式实现,无需修改
661 0
|
5月前
|
机器学习/深度学习 资源调度 算法
论文解读:DeepSeek DSpark 在真实高并发推理服务中,如何保证 Token 生成又好又快?
DSpark 通过半自回归生成和置信度调度,加速 speculative decoding。
545 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
金融行业用好大模型,只有“垂直”一个解
在金融这一高合规、高复杂度的行业中,通用大模型难堪重任,垂直化成为刚需。通义点金通过“数据飞轮+行业Know-how”内化能力,打造涵盖合成、训练、评测、应用的一站式金融大模型工场,推动AI从工具迈向自主智能体(Agentic Model),实现精准、可解释、可持续迭代的业务赋能,引领金融AI进入深度垂直新阶段。
1242 0
金融行业用好大模型,只有“垂直”一个解
|
7月前
|
虚拟化 Python
MCP服务器开发演示项目总结(llms.txt)
在 mcp 客户端中添加 mcp 服务器,接着会调用 add_a_b 功能,实现大模型对于该函数的调用,达成类似于 12+34 之类的计算,确保输出结果。
289 0