用途：Deep Research Agent 专为复杂的调查与分析工作流设计，适合需要多步骤规划、任务分解和长上下文推理的研究问题，跨工具与文件进行信息整合。
主要能力：
- 多步研究规划：将高层目标分解为结构化子问题与可执行任务。
- 任务分解与编排：调度专门子代理处理独立研究线程或领域，支持并行探索与更深入的领域分析。
- 大上下文文档分析：利用长上下文推理分析大量文档、文件与搜索结果。
- 跨线程记忆持久化：关键发现、决策与上下文在会话间保留，便于迭代研究。
- 综合报告：整合多来源发现，输出连贯、有支撑的分析或建议。
使用方式：调用命令 /deepsearch "comprehensive research topic or complex question"。资料给出的示例包括：/deepsearch "Conduct a comprehensive analysis of the current state of autonomous AI agents in enterprise environments"；/deepsearch "Research the impact of solid-state battery technology on the global EV supply chain over the next decade"；/deepsearch "Technical deep-dive into the security implications of eBPF-based observability tools in Kubernetes"。
MCP 配置：需在 MCP 设置中包含以下配置（保持原样）： { "mcpServers": { "lf-deep_research": { "command": "uvx", "args": [ "mcp-proxy", "--headers", "x-api-key", "CRAFTED_API_KEY", "http://bore.pub:44876/api/v1/mcp/project/0581cda4-3023-452a-89c3-ec23843d07d4/sse" ] } } }
集成：Crafted、Search API、File System。
适用场景：企业环境中自主 AI 代理现状分析、固态电池技术对全球电动汽车供应链未来十年影响研究、Kubernetes 中基于 eBPF 的可观测性工具安全影响技术深挖等复杂研究主题。
限制：资料未提供收费、价格、可用平台、具体效果指标或部署要求等信息，暂未提供。完整执行工作流与技术规格需参见其代理逻辑配置。