wsk/deerflow-code

Fork 0

gozeros b638b541d0 初始化

2026-09-07 18:24:55 +08:00

26 KiB

Raw Blame History

DeerFlow 后端开发文档

本文档面向开发人员，梳理后端项目结构、核心模块、API 接口、配置系统和常用开发命令，方便快速上手和维护。

1. 项目概述

DeerFlow 是一个基于 LangGraph 的 AI 超级 Agent 系统。后端提供：

Lead Agent：具备沙箱执行、持久内存、子 Agent 委托和可扩展工具集成的主 Agent
Gateway API：FastAPI REST API（端口 8001），同时内嵌 LangGraph 兼容的 Agent 运行时
IM 频道集成：飞书、Slack、Telegram、钉钉、Discord、微信、企业微信
每线程隔离：沙箱和工作目录按 用户 / 线程 两级隔离

整体入口（通过 Nginx，端口 2026）：

/api/langgraph/* → 内嵌 LangGraph 运行时（转发到 Gateway /api/*）
/api/* → Gateway REST API（8001）
/ → 前端（3000）

2. 技术栈

层次	技术
Web 框架	FastAPI + Uvicorn
Agent 框架	LangGraph（状态图 + 检查点）
LLM 调用	LangChain（多模型适配）
数据库	SQLite（默认）/ PostgreSQL
ORM	SQLAlchemy + Alembic（迁移）
包管理	uv（workspace 模式）
测试	pytest
代码规范	ruff（检查 + 格式化）
Python 版本	3.12+

3. 目录结构

backend/
├── Makefile                          # 开发命令入口
├── pyproject.toml                    # 项目配置和依赖
├── config.yaml                       # 主配置文件（模型、沙箱、工具等）
├── langgraph.json                    # LangGraph Studio 图配置
├── ruff.toml                         # 代码风格配置（行长 240）
│
├── app/                              # 应用层（FastAPI + IM 集成）
│   ├── gateway/                      # FastAPI 网关 API
│   │   ├── app.py                    # 应用主入口，创建 FastAPI 实例，挂载所有路由
│   │   ├── auth/                     # JWT 身份认证模块
│   │   ├── routers/                  # 16 个 API 路由模块
│   │   ├── auth_middleware.py        # 认证中间件
│   │   ├── csrf_middleware.py        # CSRF 保护中间件
│   │   └── deps.py                   # FastAPI 依赖注入
│   └── channels/                     # IM 平台集成
│       ├── manager.py                # 频道管理器（核心调度）
│       ├── message_bus.py            # 消息总线（pub/sub）
│       ├── store.py                  # 线程持久化（chat → thread_id 映射）
│       ├── feishu.py                 # 飞书集成
│       ├── slack.py                  # Slack 集成
│       ├── telegram.py               # Telegram 集成
│       ├── dingtalk.py               # 钉钉集成
│       ├── discord.py                # Discord 集成
│       ├── wechat.py                 # 微信集成
│       └── wecom.py                  # 企业微信集成
│
├── packages/harness/                 # deerflow-harness 核心包（可独立发布）
│   └── deerflow/                     # 导入前缀：deerflow.*
│       ├── agents/                   # Agent 系统
│       │   ├── lead_agent/           # 主 Agent（工厂 + 提示词）
│       │   ├── middlewares/          # 18 个中间件
│       │   ├── memory/               # 内存提取、队列、存储
│       │   └── thread_state.py       # ThreadState 数据模型
│       ├── config/                   # 配置系统（25 个模块）
│       ├── sandbox/                  # 沙箱执行（本地 + Docker）
│       ├── tools/                    # 工具工厂 + 内置工具
│       ├── subagents/                # 子 Agent 委托系统
│       ├── mcp/                      # Model Context Protocol 集成
│       ├── models/                   # LLM 模型工厂
│       ├── skills/                   # 技能发现和加载
│       ├── runtime/                  # 运行时管理（检查点、流、调度）
│       ├── persistence/              # 数据库 ORM 和迁移
│       ├── community/                # 社区工具（Tavily、Jina、Firecrawl 等）
│       ├── guardrails/               # 护栏系统（工具调用授权）
│       ├── reflection/               # 动态模块加载
│       ├── uploads/                  # 文件上传和文档转换
│       ├── utils/                    # 网络、可读性等工具函数
│       └── client.py                 # 嵌入式 Python 客户端（无需 HTTP）
│
├── tests/                            # 测试套件
├── scripts/                          # 辅助脚本
├── docs/                             # 文档目录
└── skills/                           # 技能目录
    ├── public/                       # 公开技能（提交到 git）
    └── custom/                       # 自定义技能（git 忽略）

4. 架构分层

Harness / App 分层原则

后端严格分为两层，依赖方向单向：

app.*  →（允许导入）→  deerflow.*
deerflow.*  ×（禁止导入）×  app.*

Harness（packages/harness/deerflow/）：可发布的 Agent 框架包，包含 Agent 编排、工具、沙箱、模型、MCP、技能、配置——一切构建和运行 Agent 所需的内容。
App（app/）：不对外发布的应用代码，包含 FastAPI Gateway API 和 IM 频道集成。

此边界通过 tests/test_harness_boundary.py 在 CI 中强制检查。

运行时数据流

前端 / IM 平台
      ↓
Nginx（2026）
      ↓
Gateway API（8001）— FastAPI
      ↓
RunManager + run_agent() + StreamBridge
      ↓
Lead Agent（LangGraph 状态图）
      ↓
[中间件链] → [LLM] → [工具调用] → [沙箱执行]

5. 快速启动

环境要求

Python 3.12+
uv（包管理器）
可选：Docker（用于容器化沙箱）

安装依赖

# 在 backend/ 目录下
make install
# 等价于：uv sync

启动开发服务器

# 方式一：仅启动后端 Gateway（带热重载，端口 8001）
make dev

# 方式二：启动完整应用（含前端和 Nginx）
# 在项目根目录执行
make dev

启动后访问：

API 文档：http://localhost:8001/docs
健康检查：http://localhost:8001/health

停止服务

# 项目根目录
make stop

开发常用命令

make lint           # ruff 代码检查
make format         # ruff 自动格式化
make test           # 运行全部测试
make gateway        # 启动 Gateway（不带热重载）

# 运行特定测试文件
PYTHONPATH=. uv run pytest tests/test_memory_updater.py -v

6. 配置系统

主配置文件 `config.yaml`

查找顺序（优先级从高到低）：

显式 config_path 参数
环境变量 DEER_FLOW_CONFIG_PATH
backend/config.yaml
项目根目录 config.yaml（推荐放置位置）

关键配置段：

config_version: 1          # 配置版本，升级时自动提示

log_level: info

database:
  backend: sqlite           # 数据库后端（sqlite / postgres）
  sqlite_dir: .deer-flow/data

sandbox:
  use: deerflow.sandbox.local:LocalSandboxProvider  # 沙箱提供者类路径
  allow_host_bash: false

models:                     # LLM 模型配置列表
  - name: my-model          # 模型标识名
    display_name: 我的模型
    use: langchain_openai:ChatOpenAI   # 提供者类（通过反射加载）
    model: gpt-4o
    api_key: $OPENAI_API_KEY           # 以 $ 开头代表读取环境变量
    base_url: https://api.openai.com/v1
    supports_vision: true
    supports_thinking: false

tools:                      # 工具配置
  - use: deerflow.community.tavily:tavily_search
    group: search

memory:
  enabled: true
  injection_enabled: true
  debounce_seconds: 30
  max_facts: 100
  fact_confidence_threshold: 0.7
  max_injection_tokens: 2000

subagents:
  enabled: true             # 是否启用子 Agent 委托

title:
  enabled: true             # 是否自动生成对话标题

扩展配置 `extensions_config.json`

MCP 服务器和技能的启用状态存放在此文件：

{
  "mcpServers": {
    "my-mcp-server": {
      "enabled": true,
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@my/mcp-server"]
    }
  },
  "skills": {
    "my-skill": { "enabled": true }
  }
}

查找顺序同 config.yaml，环境变量为 DEER_FLOW_EXTENSIONS_CONFIG_PATH。

环境变量

变量名	说明
`DEER_FLOW_CONFIG_PATH`	指定 config.yaml 路径
`DEER_FLOW_EXTENSIONS_CONFIG_PATH`	指定 extensions_config.json 路径
`GATEWAY_CORS_ORIGINS`	允许的跨域来源（逗号分隔）
`GATEWAY_CORS_ALLOW_ALL`	允许所有跨域（1/true）
`GATEWAY_ENABLE_DOCS`	是否启用 `/docs` 页面（默认开启）
`AUTH_JWT_SECRET`	JWT 签名密钥
`DEER_FLOW_AUTH_DISABLED`	禁用认证（开发用）

7. 核心模块详解

7.1 应用主入口 `app/gateway/app.py`

FastAPI 应用工厂，负责：

创建 FastAPI 实例，配置 CORS、认证、CSRF 中间件
挂载全部 16 个路由模块
通过 lifespan 管理启动/关闭钩子：初始化数据库、运行 Alembic 迁移、启动 IM 频道服务
首次启动时创建管理员用户

7.2 模型工厂 `deerflow/models/factory.py`

from deerflow.models import create_chat_model

model = create_chat_model(name="my-model", thinking_enabled=False)

通过反射（resolve_variable）按 config.yaml 中的 use 字段实例化 LangChain 模型
支持 thinking_enabled 标志和按模型的 when_thinking_enabled 覆盖
支持 vLLM Qwen 推理模型的 enable_thinking 参数
配置值以 $ 开头时自动解析为环境变量
缺少提供者模块时给出可操作的安装提示

7.3 嵌入式客户端 `deerflow/client.py`

无需启动 HTTP 服务即可直接调用所有 DeerFlow 能力：

from deerflow.client import DeerFlowClient

client = DeerFlowClient()

# 同步对话
text = client.chat("你好", thread_id="thread-1")

# 流式对话
for event in client.stream("分析这份文档", thread_id="thread-1"):
    print(event)

# 其他 API
client.list_models()
client.upload_files(thread_id, [Path("doc.pdf")])
client.get_memory()

返回格式与 Gateway REST API 一致，方便在两种模式下复用代码。

8. API 接口汇总

所有接口基础路径：http://localhost:8001（或通过 Nginx http://localhost:2026）

8.1 核心接口

方法	路径	说明
GET	`/health`	健康检查
GET	`/docs`	Swagger API 文档

8.2 线程运行（主要对话接口）

方法	路径	说明
POST	`/api/threads/{id}/runs/stream`	创建运行并 SSE 流式返回
POST	`/api/threads/{id}/runs/wait`	创建运行并阻塞等待结果
POST	`/api/threads/{id}/runs`	创建后台运行
GET	`/api/threads/{id}/runs`	列出线程的所有运行
GET	`/api/threads/{id}/runs/{rid}`	获取运行详情
POST	`/api/threads/{id}/runs/{rid}/cancel`	取消运行
GET	`/api/threads/{id}/runs/{rid}/join`	加入 SSE 流
GET	`/api/threads/{id}/runs/{rid}/messages`	分页获取消息
GET	`/api/threads/{id}/messages`	线程所有消息（含反馈）

8.3 无状态运行

方法	路径	说明
POST	`/api/runs/stream`	无状态运行 + SSE 流
POST	`/api/runs/wait`	无状态运行 + 阻塞

8.4 文件上传

方法	路径	说明
POST	`/api/threads/{id}/uploads`	上传文件（自动转换 PDF/PPT/Excel/Word）
GET	`/api/threads/{id}/uploads/list`	列出已上传文件
DELETE	`/api/threads/{id}/uploads/{filename}`	删除文件

8.5 其他接口

方法	路径	说明
GET	`/api/models`	列出所有可用 LLM 模型
GET	`/api/models/{name}`	模型详情
GET	`/api/mcp/config`	获取 MCP 配置
PUT	`/api/mcp/config`	更新 MCP 配置
GET	`/api/skills`	列出技能
PUT	`/api/skills/{name}`	启用/禁用技能
POST	`/api/skills/install`	安装 .skill 包
GET	`/api/memory`	获取个人内存数据
POST	`/api/memory/reload`	强制重新加载内存
GET/POST/PUT/DELETE	`/api/agents`	自定义 Agent CRUD
GET	`/api/threads/{id}/artifacts/{path}`	下载工件文件
POST	`/api/threads/{id}/suggestions`	生成后续问题建议
DELETE	`/api/threads/{id}`	清理线程本地数据
PUT	`/api/threads/{id}/runs/{rid}/feedback`	提交运行反馈
POST/GET	`/api/scheduled-tasks`	定时任务管理
POST	`/api/v1/auth/login`	用户登录
POST	`/api/v1/auth/register`	用户注册

9. Agent 系统

Lead Agent

入口：deerflow.agents.lead_agent.agent:make_lead_agent，注册在 langgraph.json。

from deerflow.agents import make_lead_agent
from langgraph.types import RunnableConfig

config = RunnableConfig(configurable={
    "thinking_enabled": False,       # 是否启用扩展思考
    "model_name": "my-model",        # 指定 LLM 模型
    "is_plan_mode": False,           # 是否启用计划模式（TodoList）
    "subagent_enabled": True,        # 是否启用子 Agent 委托
})
agent = make_lead_agent(config)

ThreadState 数据模型

deerflow/agents/thread_state.py：

字段	类型	说明
`messages`	list	LangGraph 消息列表
`sandbox`	SandboxInfo	当前线程沙箱
`thread_data`	dict	线程本地数据（路径等）
`title`	str	自动生成的对话标题
`artifacts`	list	生成的工件文件
`todos`	list	计划模式下的待办事项
`uploaded_files`	list	已上传的文件
`viewed_images`	list	已查看的图像（base64）

子 Agent 系统

内置子 Agent：general-purpose（所有工具，除 task）、bash（命令专家）
最大并发：3 个（SubagentLimitMiddleware 强制限制）
超时时间：15 分钟
触发方式：调用 task 工具委托任务
执行流程：task() → SubagentExecutor → 后台线程 → 每 5 秒轮询 → SSE 事件

# 委托子 Agent 执行任务（在 Agent 提示词中由 LLM 自动调用）
task(
    description="...",
    prompt="分析这份数据并生成报告",
    subagent_type="general-purpose",
    max_turns=10
)

10. 中间件链

Lead Agent 中间件按固定顺序组装，每个中间件负责一个横切关注点：

顺序	中间件	作用
1	`ThreadDataMiddleware`	创建每线程隔离目录（workspace/uploads/outputs）
2	`UploadsMiddleware`	注入新上传的文件到对话
3	`SandboxMiddleware`	获取沙箱实例，存储 sandbox_id
4	`DanglingToolCallMiddleware`	为中断的工具调用注入占位 ToolMessage
5	`LLMErrorHandlingMiddleware`	将 LLM 调用失败归一化为可恢复错误
6	`GuardrailMiddleware`	工具调用前授权检查（可选）
7	`SandboxAuditMiddleware`	沙箱操作安全审计日志
8	`ToolErrorHandlingMiddleware`	将工具异常转为错误 ToolMessage，避免中止
9	`SummarizationMiddleware`	接近 Token 上限时压缩上下文（可选）
10	`TodoListMiddleware`	计划模式下的任务追踪（可选）
11	`TokenUsageMiddleware`	记录 Token 用量指标（可选）
12	`TitleMiddleware`	首次完整交互后自动生成标题
13	`MemoryMiddleware`	将对话加入内存更新队列
14	`ViewImageMiddleware`	调用 LLM 前注入 base64 图像（视觉模型）
15	`DeferredToolFilterMiddleware`	隐藏延迟工具 Schema（可选）
16	`SubagentLimitMiddleware`	限制最大并发子 Agent 数（可选）
17	`LoopDetectionMiddleware`	检测工具调用循环并强制终止
18	`ClarificationMiddleware`	拦截澄清请求，中断到 END（必须最后）

11. 沙箱执行系统

概述

每个线程拥有独立的沙箱环境，Agent 通过沙箱执行命令和读写文件。

虚拟路径映射

Agent 看到的虚拟路径 → 物理路径：

虚拟路径	物理路径
`/mnt/user-data/workspace/`	`backend/.deer-flow/users/{user_id}/threads/{thread_id}/user-data/workspace/`
`/mnt/user-data/uploads/`	`backend/.deer-flow/users/{user_id}/threads/{thread_id}/user-data/uploads/`
`/mnt/user-data/outputs/`	`backend/.deer-flow/users/{user_id}/threads/{thread_id}/user-data/outputs/`
`/mnt/skills/`	`deer-flow/skills/`

沙箱工具

工具	说明
`bash`	执行 Shell 命令（含路径转换）
`ls`	目录列表（树形格式，最多 2 层）
`read_file`	读取文件内容（支持行范围）
`write_file`	写入/追加文件（自动创建目录）
`str_replace`	字符串替换（单次或全部）

沙箱提供者

LocalSandboxProvider：单例本地文件系统执行（默认）
AioSandboxProvider：基于 Docker 的隔离执行（需要 Docker）

在 config.yaml 中切换：

sandbox:
  use: deerflow.sandbox.local:LocalSandboxProvider
  # 或 Docker 沙箱：
  # use: deerflow.community.aio_sandbox:AioSandboxProvider

12. 内存系统

功能

自动从对话中提取用户偏好、知识和上下文，存储为结构化事实
下次对话时自动注入内存上下文到系统提示词
每用户独立存储，按 Agent 进一步隔离

存储路径

backend/.deer-flow/users/{user_id}/memory.json               # 默认 Agent 内存
backend/.deer-flow/users/{user_id}/agents/{agent_name}/memory.json   # 自定义 Agent 内存

数据结构

{
  "workContext": "用户是一名 Python 开发者...",
  "personalContext": "...",
  "topOfMind": "...",
  "recentMonths": "...",
  "facts": [
    {
      "id": "fact-001",
      "content": "用户偏好使用 TypeScript",
      "category": "preference",
      "confidence": 0.9,
      "createdAt": "2025-01-01T00:00:00Z"
    }
  ]
}

工作流程

MemoryMiddleware 过滤消息（用户输入 + 最终 AI 回复），捕获 user_id，加入更新队列
队列去抖（默认 30 秒），按线程去重
后台线程调用 LLM 提取上下文更新和事实
原子写入（临时文件 + rename），跳过重复事实
下次交互注入前 15 条事实 + 上下文到 <memory> 标签

配置

memory:
  enabled: true
  injection_enabled: true
  debounce_seconds: 30         # 去抖等待时间
  model_name: null             # null 表示使用默认模型
  max_facts: 100               # 最大存储事实数
  fact_confidence_threshold: 0.7  # 事实置信度阈值
  max_injection_tokens: 2000   # 注入 Token 上限

13. 工具系统

工具组装

get_available_tools(groups, include_mcp, model_name, subagent_enabled) 按顺序组装：

config.yaml 定义的工具：通过 resolve_variable() 反射加载
MCP 工具：来自已启用的 MCP 服务器（懒加载，带 mtime 失效）
内置工具：
- present_files — 将输出文件呈现给用户（仅 /mnt/user-data/outputs）
- ask_clarification — 请求澄清（由 ClarificationMiddleware 拦截，中断对话）
- view_image — 读取图像为 base64（仅视觉模型）
子 Agent 工具（启用时）：task — 委托子 Agent

社区工具

工具	模块	说明
Tavily 搜索	`deerflow.community.tavily`	Web 搜索（默认 5 条结果）
Tavily 获取	`deerflow.community.tavily`	Web 页面获取（4KB 限制）
Jina AI	`deerflow.community.jina_ai`	通过 Jina reader API 获取页面
Firecrawl	`deerflow.community.firecrawl`	网页爬取
图像搜索	`deerflow.community.image_search`	DuckDuckGo 图像搜索

MCP 集成

使用 langchain-mcp-adapters 的 MultiServerMCPClient
懒加载：首次使用时初始化
配置变更自动失效（mtime 检测）
支持 stdio、SSE、HTTP 传输
支持 OAuth 令牌刷新（HTTP/SSE）

14. IM 频道集成

消息流程

外部平台消息
      ↓
频道实现（feishu.py / slack.py 等）
      ↓
MessageBus.publish_inbound()
      ↓
ChannelManager._dispatch_loop()
      ↓
查找/创建线程（通过 Gateway API）
      ↓
执行 Agent 运行（stream 或 wait）
      ↓
OutboundMessage → 平台回复

各平台特性

平台	特性
飞书	增量更新，修改同一消息卡片（`update_multi=true`）
Slack	阻塞等待最终结果
Telegram	阻塞等待最终结果
钉钉	支持 AI 卡片流式更新（需配置 `card_template_id`）

配置（`config.yaml` → `channels`）

channels:
  langgraph_url: http://localhost:8001/api   # LangGraph 兼容 API 基础 URL
  gateway_url: http://localhost:8001          # Gateway API URL
  feishu:
    app_id: $FEISHU_APP_ID
    app_secret: $FEISHU_APP_SECRET
  slack:
    bot_token: $SLACK_BOT_TOKEN
    app_token: $SLACK_APP_TOKEN
  telegram:
    bot_token: $TELEGRAM_BOT_TOKEN
  dingtalk:
    client_id: $DINGTALK_CLIENT_ID
    client_secret: $DINGTALK_CLIENT_SECRET
    card_template_id: ""                     # 可选，启用 AI 卡片流式

Docker 部署注意：IM 频道运行在 gateway 容器内，应将 localhost 改为服务名，例如 langgraph_url: http://gateway:8001/api。

15. 数据持久化

数据库

默认使用 SQLite，存放在 backend/.deer-flow/data/。可切换为 PostgreSQL：

database:
  backend: postgres
  postgres_url: postgresql://user:pass@localhost:5432/deerflow

主要数据表

表名	说明
`agents`	自定义 Agent 元数据（id、name、user_id、published）
`users`	用户账号
`thread_meta`	线程元数据（标题、创建时间等）
`feedback`	运行反馈和评分
`scheduled_tasks`	定时任务配置

数据库迁移

使用 Alembic 管理 Schema 变更，应用启动时自动执行：

# 查看迁移历史
PYTHONPATH=. uv run alembic history

# 手动升级到最新
PYTHONPATH=. uv run alembic upgrade head

运行时文件目录

backend/.deer-flow/
├── data/                              # SQLite 数据库
└── users/{user_id}/
    ├── memory.json                    # 个人内存（默认 Agent）
    ├── agents/{agent_name}/memory.json  # 自定义 Agent 内存
    └── threads/{thread_id}/user-data/
        ├── workspace/                 # Agent 工作目录
        ├── uploads/                   # 上传的文件
        └── outputs/                   # 生成的输出文件

16. 测试

测试套件

# 运行所有测试
make test

# 运行特定测试文件
PYTHONPATH=. uv run pytest tests/test_memory_updater.py -v

# 运行特定测试函数
PYTHONPATH=. uv run pytest tests/test_client.py::TestGatewayConformance -v

关键测试文件

文件	说明
`tests/test_harness_boundary.py`	确保 harness 层不导入 app 层（CI 必须通过）
`tests/test_memory_updater.py`	内存提取和去重逻辑
`tests/test_client.py`	嵌入式客户端 77 个单元测试，含 Gateway 一致性验证
`tests/test_client_live.py`	需要 config.yaml 的集成测试
`tests/test_docker_sandbox_mode_detection.py`	Docker 沙箱模式检测回归测试
`tests/test_provisioner_kubeconfig.py`	kubeconfig 处理回归测试
`tests/conftest.py`	pytest fixtures 和通用配置

TDD 原则

每个新功能或 Bug 修复必须附带单元测试，无例外。

测试文件命名：tests/test_<feature>.py
轻量配置/工具模块优先写不依赖外部服务的纯单元测试
如果模块导致循环导入问题，在 tests/conftest.py 中添加 sys.modules mock

17. 常见问题与排错

启动失败：找不到 config.yaml

确认 config.yaml 在项目根目录或 backend/ 目录中存在。可用环境变量指定路径：

export DEER_FLOW_CONFIG_PATH=/path/to/config.yaml
make dev

模型调用失败

确认 config.yaml 中对应模型的 api_key 环境变量已设置
确认 base_url 可访问
检查模型提供者包是否安装：缺少时启动日志会给出 uv add langchain-xxx 提示

内存功能不工作

检查 config.yaml 中：

memory:
  enabled: true
  injection_enabled: true

文件上传后 Agent 无法使用

确认文件上传到正确线程，且 UploadsMiddleware 处于启用状态（默认启用）。上传文件存放在 /mnt/user-data/uploads/，Agent 可直接访问。

Windows 下端口占用

# 查找占用 8001 端口的进程
netstat -ano | findstr :8001

# 终止进程（替换 PID）
taskkill /PID <PID> /F

详见 docs/BACKEND_RUN_STOP_ZH.md（Windows 启停专项指南）。

如何新增 API 路由

在 app/gateway/routers/ 新建路由文件
在 app/gateway/app.py 中导入并挂载路由
编写对应测试文件 tests/test_<feature>.py

如何新增工具

在 packages/harness/deerflow/community/ 或 tools/builtins/ 中实现工具函数
在 config.yaml 中的 tools 列表添加配置，指定 use 类路径和 group
工具会在下次 Agent 初始化时自动加载

文档最后更新：2026-05-13

26 KiB Raw Blame History Unescape Escape