bytedance/deer-flow 项目的 Golang 版本实现
感谢 CloudWeGo 团队和字节跳动开源社区为 AI Agent 生态做出的贡献！
deer-flow-go 是基于 deer-flow 和 eino-examples/deer-go 项目进行的二次开发和增强。
- 智能任务规划: 自动将复杂任务分解为多个可执行步骤
- 多角色协作: 包含协调员、规划师、研究员、编码员等多个专业角色
- MCP 工具集成: 支持 Tavily 搜索、Python 代码执行等多种工具
- 流式响应: 实时展示任务执行过程和结果
- Web API: 提供 RESTful API 接口，支持前端集成
- 灵活配置: 支持多种 LLM 模型和自定义参数
- 框架: CloudWeGo Eino - 企业级 AI Agent 开发框架
- Web 服务: Hertz - 高性能 HTTP 框架
- 工具协议: MCP (Model Context Protocol) - 标准化工具集成
- 语言: Go 1.23+ - 高性能并发处理
- Go: 1.23.0 或更高版本
- Python: 3.8+ (用于 MCP Python 服务器)
- Node.js: 16+ (用于 Tavily MCP 服务器)
- uv: Python 包管理工具 (安装指南)
git clone <repository-url>
cd deer-flow-gocd mcps/python
uv sync
cd ../..复制配置模板并填入必要的 API 密钥：
cp config.yaml.example config.yaml编辑 config.yaml 文件，配置以下参数：
mcp:
servers:
tavily: # 网络搜索工具
command: "npx"
args: ["-y", "tavily-mcp@0.1.3"]
env: { "TAVILY_API_KEY": "your-tavily-api-key" }
python: # Python 代码执行工具
command: "uv"
args: [ "--directory", "/path/to/your/project/mcps/python", "run", "server.py" ]
model:
default_model: "gpt-4" # 或其他支持的模型
api_key: "your-openai-api-key"
base_url: "https://api.openai.com/v1" # 或其他兼容的 API 端点
setting:
max_plan_iterations: 1 # 最大规划迭代次数
max_step_num: 3 # 每个计划的最大步骤数./run.sh项目支持多种 MCP 服务器，您可以根据需要启用或禁用：
mcp:
servers:
# 网络搜索（推荐）
tavily:
command: "npx"
args: ["-y", "tavily-mcp@0.1.3"]
env: { "TAVILY_API_KEY": "your-key" }
# 网页抓取（可选）
firecrawl:
command: "npx"
args: ["-y", "firecrawl-mcp"]
env: { "FIRECRAWL_API_KEY": "your-key" }
# Python 代码执行（推荐）
python:
command: "uv"
args: ["--directory", "/path/to/project/mcps/python", "run", "server.py"]支持多种 LLM 提供商：
# OpenAI
model:
default_model: "gpt-4"
api_key: "sk-..."
base_url: "https://api.openai.com/v1"
# Azure OpenAI
model:
default_model: "gpt-4"
api_key: "your-azure-key"
base_url: "https://your-resource.openai.azure.com/"
# 其他兼容服务
model:
default_model: "claude-3-sonnet"
api_key: "your-key"
base_url: "https://api.anthropic.com/v1"deer-flow-go/
├── agent/ # Agent 实现
│ ├── agent.go # Agent 接口定义
│ ├── coordinator/ # 协调员角色
│ │ └── coordinator.go
│ ├── planner/ # 规划师角色
│ │ └── planner.go
│ ├── researcher/ # 研究员角色
│ │ ├── researcher.go
│ │ └── research_team.go
│ ├── coder/ # 编码员角色
│ │ └── coder.go
│ ├── repoter/ # 报告员角色
│ │ └── repoter.go
│ ├── investigator/ # 背景调查员角色
│ │ └── investigator.go
│ ├── human/ # 人工反馈处理
│ │ └── human.go
│ └── comm/ # 通用组件
│ └── comm.go
├── entity/ # 数据实体
│ ├── conf/ # 配置结构体
│ │ ├── conf.go
│ │ └── types.go
│ ├── consts/ # 常量定义
│ │ └── consts.go
│ └── model/ # 数据模型
│ ├── plan.go
│ ├── server.go
│ └── state.go
├── repo/ # 基础设施层
│ ├── callback/ # 回调处理
│ │ └── logger_callback.go
│ ├── checkpoint/ # 检查点管理
│ │ └── checkpoint.go
│ ├── llm/ # LLM 模型服务
│ │ └── llm.go
│ ├── mcp/ # MCP 工具集成
│ │ ├── mcp.go
│ │ └── types.go
│ └── template/ # 模板管理
│ └── template.go
├── mcps/ # MCP 服务器
│ └── python/ # Python MCP 服务器
│ ├── server.py
│ ├── pyproject.toml
│ └── uv.lock
├── prompts/ # 提示词模板
│ ├── coordinator.md
│ ├── planner.md
│ ├── researcher.md
│ ├── coder.md
│ └── reporter.md
├── docs/ # 项目文档
│ ├── README.md
│ ├── architecture/
│ │ └── architecture.md
│ └── generics/
│ ├── golang-generics-guide.md
│ ├── generics-usage-analysis.md
│ ├── go-generics-type-erasure.md
│ └── generics-demo.go
├── config.yaml.example # 配置文件模板
├── config.yaml # 配置文件
├── main.go # 程序入口
├── go.mod # Go 模块文件
├── go.sum # Go 依赖锁定文件
└── script/ # 脚本文件
└── bootstrap.sh
- 在
conf/deer-go.yaml中添加新的 MCP 服务器配置 - 在相应的 Agent 中集成新工具
- 更新提示词模板以指导 AI 使用新工具
参考 agent/ 目录下的现有实现，创建新的 Agent 角色：
// 实现 Agent 接口
type customAgentImpl[I, O any] struct {
llm *openai.ChatModel
}
func NewCustomAgent[I, O any](ctx context.Context) *customAgentImpl[I, O] {
return &customAgentImpl[I, O]{
llm: llm.NewChatModel(ctx),
}
}
func (c *customAgentImpl[I, O]) NewGraphNode(ctx context.Context) (key string, node compose.AnyGraph, nameOption compose.GraphAddNodeOpt) {
// 实现自定义 Agent 逻辑
graph := compose.NewGraph[I, O]()
// 添加节点和边
return "custom_agent", graph, compose.WithNodeName("CustomAgent")
}Q: Python MCP 服务器启动失败
# 确保 uv 已安装
curl -LsSf https://astral.sh/uv/install.sh | sh
# 重新安装依赖
cd mcps/python
uv sync --reinstallQ: Tavily 搜索不工作
- 检查 API 密钥是否正确
- 确认网络连接正常
- 验证 Node.js 环境
Q: 模型调用失败
- 检查 API 密钥和 base_url 配置
- 确认模型名称正确
- 查看日志获取详细错误信息
Apache License 2.0 - 详见 LICENSE 文件
欢迎提交 Issue 和 Pull Request！
如有问题，请通过以下方式联系：