用途：使用 Exa 深度搜索生成经过丰富处理的潜在客户（lead）名单。它先做 ICP 研究，再生成微垂直领域，分批调用 Exa 深度搜索，最后用 Python 编译为去重排序后的 CSV。
主要能力：由主智能体编排、子智能体执行搜索以保持上下文精简。流程分六步：ICP 研究（1 次深度调用）、生成微垂直领域、设计 outputSchema、批量并行子智能体（每个处理 5 个微垂直领域）、Python CSV 编译（读取 JSON、去重、排序）、汇总。
必要用法：直接调用原生 MCP 工具 exa-deep__deep_search_exa，参数放在 JSON 对象中。每次调用需设置 structuredOutput=true、numResults=50、highlightMaxCharacters=1、type=deep。numResults 与 systemPrompt 需一致，例如设 numResults=50 并在 systemPrompt 中要求“exactly 50 companies”。
outputSchema 约束：所有嵌套层级合计最多 10 个属性；数组项为仅含原始字段（string、integer、boolean、字符串数组）的扁平对象；每个字符串字段的 description 需带字数限制；根必须为 "type": "object"。
调用示例：ICP 研究调用使用 objective "About {company_name}, {company_name} customers"、systemPrompt "Research the company and return ICP, sub-verticals, and useful enrichments"、structuredOutput true、numResults 10。线索生成调用（子智能体内）使用类似 objective "B2B sales intelligence platforms using web scraping and contact data enrichment"、systemPrompt "List exactly 50 companies. Score each 1-10 on ICP fit. Return structured enriched data."。
微垂直领域预算：目标数量为 ceil(requested_leads / 35)，适当超出以抵消去重损失。
输出与性能：完成后报告总线索数、去除的重复数、ICP 评分分布（8-10 / 5-7 / 1-4）、Exa 调用次数、输出文件名。每次 deep_search_exa 调用约 4-12 秒，每次约产出 35-48 家公司（平均约 42）。500 条以上线索需先与用户确认；批量子智能体以约 6 个一波启动以遵守 QPS 限制。
限制：资料未提供收费、价格、平台细节；schema 与流程需按具体用例自定义。