DeepCerebra Coder er en agentic kodeassistent. I modsætning til en simpel autokompletterings-copilot planlægger, skriver, refaktorerer, kører kommandoer, kalder værktøjer og itererer den på tværs af hele dit projekt — med dig, der gennemgår og godkender de ændringer, den foreslår.
| Udgave | Bedst til | Filadgang |
|---|---|---|
| Webapp | Nul-installation, arbejd fra enhver maskine | Fortrolig browserbaseret lagring (og Git-repos) |
| Desktop (Windows / Linux / macOS) | Lokal-først udvikling, lokale modeller | Direkte lokalt filsystem |
| CLI & API | Scripting, CI/CD, automatisering | Lokale filer / programmatisk |
Denne vejledning fokuserer på webappen på deepcerebra.ai; desktopappen afspejler de samme paneler og arbejdsgange.
Brug en aktuel version af Chrome, Edge eller Brave for den fulde oplevelse — åbning af en lokal mappe er afhængig af Chromium File System Access API. Firefox og Safari fungerer til chat og til Git-baserede projekter, men kan ikke åbne en lokal mappe direkte.
/register?plan=basic (eller pro / ultimate), eller starte nu og vælge en plan
senere under Fakturering.Efter login lander du i arbejdsbænken, som samler alle paneler på én skærm:
Træk skillelinjen mellem editoren og chatten for at genbalancere layoutet, og træk den vandrette skillelinje for at ændre størrelsen på terminalen. Venstre sidebjælke navigerer også til Arbejdsområde, Udvidelser, API-nøgler, Fakturering og Feedback.
repo-omfanget (klassisk) eller et finkornet token med Contents + Pull requests; for
GitLab skal du bruge api-omfanget. Dit token gemmes på serveren — kun filindhold trækkes ind i browseren.owner/name (filtrer listen for at finde dit), og vælg derefter en
gren.dcc/my-feature) for at holde dit
arbejde isoleret fra standardgrenen.Chathistorikken er knyttet til det åbne projekt. Skift af mapper starter automatisk en ny session og indlæser mappens tidligere sessioner, genåbner den seneste, så du kan fortsætte, hvor du slap.
Mapper, som DeepCerebra bruger internt — .deepcerebra, .sessions — vises i træet, men er som standard skjult, så de ikke roder i din kildekode.
Beskriv, hvad du ønsker, i almindeligt sprog — stil et spørgsmål, anmod om en funktion, eller peg på en fejl. Vær specifik omkring filer, frameworks og begrænsninger for at opnå det bedste resultat. Vedhæft relevante filer ved at trække dem ind i prompten.
Svar er organiseret som Cursor: agentens ræsonnement er adskilt fra leverancen. Hver svarblok har et kopieringsikon i øverste højre hjørne, så du kan kopiere en færdig rapport, et dokument eller en kommando, du skal køre.
lxml i stedet for html.parser") for at få agenten ud af en løkke.@deepcerebra, og præfikser som [deep] anmoder om dybere ræsonnement.Vælg en tilstand fra tilstandsvælgeren ved siden af prompten. Hver indstiller, hvor meget agenten planlægger, og hvor frit den redigerer:
| Tilstand | Hvad den gør | Brug når… |
|---|---|---|
| Agent | Planlægger og redigerer autonomt på tværs af dit projekt | Du ønsker, at assistenten skal implementere en ændring fra start til slut |
| Spørg | Besvarer spørgsmål om din kode uden at redigere | Du ønsker at forstå kodebasen |
| Planlæg | Udarbejder en tilgang før enhver redigering | Opgaven er stor eller har kompromiser, der skal afgøres først |
| Rediger | Foretaager fokuserede redigeringer i den aktuelle kontekst | Du ønsker en lille, målrettet ændring |
Når agenten foreslår filændringer, vises et panel med Foreslåede ændringer over chatinputtet, der viser hver berørt fil med antallet af tilføjede (+) og fjernede (−) linjer.
applied (og · disk, når de skrives til en rigtig mappe).Slå terminalen til under editoren for at køre builds, tests og scripts. Med din autorisation kan agenten udføre kommandoer og læse deres output for at verificere sit arbejde; langvarige kommandoer streamer output, så du kan følge med i fremskridtet. Luk terminalen fra dens header, når du ikke har brug for den.
For større mål skal du bruge Planlægningstilstand (eller bede agenten om at planlægge først). Planlæggeren scanner dit projekt, nedbryder målet i afhængighedsbevidste opgaver og tildeler hver til den rette specialist (arkitekt, koder, tester, dokumentation).
Åbn modelvælgeren ved siden af prompten. Mulighederne er grupperet som:
På Auto bruger DeepCerebra lagdelt, adaptiv routing: simple opgaver sendes til en hurtig, økonomisk model, mens komplekst eller planlægningstungt arbejde (f.eks. Planlægningstilstand) sendes til en stærkere model. Dette balancerer omkostninger og kvalitet automatisk, så du sjældent behøver at vælge manuelt.
Du kan dirigere anmodninger gennem din egen udbyderkonto i stedet for målt platformforbrug.
ANTHROPIC_API_KEY,
GOOGLE_API_KEY, OPENAI_API_KEY).Platform (DeepCerebra) modeller kræver ingen nøgle. Fjern en nøgle når som helst med Fjern.
DCC Bridge forbinder din egen computer til webappen via en lille
dcc-bridge-forbinder, hvilket låser op for to funktioner på én gang:
Forbinderen ringer ud over en autentificeret WebSocket — ingen indgående porte er nødvendige, og den fungerer bag NAT og firewalls. Den kører på Windows, macOS og Linux (Python 3.10+).
dcc_brg_…)
og den klar-til-indsæt forbinderkommando — tokenet vises kun én gang.pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector
# kør derefter kommandoen kopieret fra parringskortet, f.eks.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxxwss://deepcerebra.ai eller wss://deepcerebra.io) — parringskortet forudfylder det
rigtige. De to sider er separate implementeringer med separate konti og tokens.1234) med en indlæst model.Som standard er kommandoer begrænset til en dedikeret arbejdsområdemappe (~/DeepCerebra). For at arbejde i
dine rigtige projektmapper med dine forudkonfigurerede CLI'er skal du give dem eksplicit tilladelse, når du starter forbinderen:
# giv tilladelse til en eller flere rigtige mapper (gentagelig)
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx --host-dir "F:\MyProjects"
# eller hele maskinen (udskriver en advarsel; foretræk --host-dir)
python -m dcc_bridge ... --allow-any-dirÅbn derefter Terminal-panelet, klik på Udførelsesmål-popoveren (laptop-ikon), vælg Min computer, og vælg en arbejdsmappe. Både dine indtastede kommandoer og agentens build/test-kommandoer udføres derefter på din maskine.
--no-exec gør en
enhed kun til inferens (GPU-modeller, ingen kommandoer).Med et Git-baseret projekt åbent vises en grenlinje i Stifinderen, der viser din aktuelle gren og to handlinger:
main). Du skal være på en arbejdsgren, ikke standardgrenen.Hvis push-webhooken er aktiveret, opdateres Stifinderen automatisk, når teammedlemmer pusher, hvilket holder alle synkroniseret — grundlaget for kollaborativ teamudvikling gennem DeepCerebra.
Udvid agenten med eksterne værktøjer og data via Model Context Protocol. Konfigurer
servere i en .deepcerebra/mcp.json-fil, for eksempel:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}Aktiverede MCP-værktøjer bliver automatisk tilgængelige for agenten, når de er relevante for din anmodning. Lokale
(stdio) og fjernservere (http/sse) understøttes begge.
allowlist, kan kun disse værktøjer køre.autoApprove.Hvis en server eksponerer MCP ressourcer eller prompt-skabeloner, får agenten
automatisk værktøjer til at bruge dem (mcp_list_resources, mcp_read_resource,
mcp_list_prompts, mcp_get_prompt).
Tilføj en auth-blok til en fjernserver. Hemmeligheder understøtter ${ENV_VAR}-interpolation:
// Statisk bearer-token (bogstavelig eller fra miljøvariabel)
"auth": { "type": "bearer", "token": "${GITHUB_TOKEN}" }
"auth": { "type": "bearer", "tokenEnv": "GITHUB_TOKEN" }
// Brugerdefineret header (f.eks. API-nøgle)
"auth": { "type": "header", "header": "x-api-key", "value": "${MY_KEY}" }
// OAuth 2.0 klient-legitimationsoplysninger
"auth": {
"type": "oauth", "grant": "client_credentials",
"tokenUrl": "https://auth.example.com/oauth/token",
"clientId": "${MCP_CLIENT_ID}", "clientSecret": "${MCP_CLIENT_SECRET}",
"scope": "mcp.read mcp.write"
}Du kan forme, hvordan agenten tænker og handler, med en enkelt, filbaseret konvention —
.deepcerebra/-mappen — der fungerer identisk i desktopappen,
webappen og API'en. I webappen administreres alle disse under
Agent-visningen; på desktop og via API'en er de almindelige filer, du committer med dit projekt.
Konfiguration opdages fra flere omfang; når det samme element findes i mere end ét, vinder det med højere præcedens:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(lavest) (højest)<repo>/.deepcerebra/…, committet med projektet.~/.deepcerebra/…, dine personlige standardindstillinger på tværs af projekter.Regler er vedvarende instruktioner — kodningsstandarder, arkitekturkonventioner, domænekontekst — der injiceres i
agentens systemprompt. De findes som Markdown-filer under .deepcerebra/steering/, plus den
altid-aktive AGENTS.md-standard. Frontmatter styrer, hvornår en regel indlæses:
---
inclusion: fileMatch # always | fileMatch | auto | manual
globs: "src/**/*.ts" # or fileMatchPattern
name: api-design
description: REST conventions
---
# API design
- Use REST resource nouns, plural.always — hver tur (standard).fileMatch — kun når en fil i kontekst matcher globs.auto — når din anmodning matcher reglens name/description.manual — kun når du refererer til den som #name eller /name.En rod AGENTS.md gælder for hele repoet; en indlejret AGENTS.md (f.eks.
services/api/AGENTS.md) gælder kun for filer under den mappe. I webappen giver
Agent → Styring-visningen hver regel en Omfang-vælger
(Global / Projekt / Team).
Færdigheder er genanvendelige playbooks, som agenten indlæser efter behov. Hver færdighed er en mappe med en
SKILL.md under .deepcerebra/skills/:
---
name: deploy-release
description: How to cut and publish a versioned release.
disable-model-invocation: false # true => manual-only (/skill)
---
# Implementer en udgivelse
1. Øg versionen, byg og test.
2. Tag og publicer.Agenten ser et letvægtskatalog (navn + beskrivelse) og trækker hele indholdet ind med
load_skill-værktøjet, når det er relevant. Du kan også påkalde en eksplicit med
/skill <name>. Indstil disable-model-invocation: true for at gøre en færdighed kun manuel.
Hooks kører automatisering på livscyklusbegivenheder. Definer dem som .deepcerebra/hooks/*.hook.json:
{
"title": "Formatér ved gem",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}Begivenheder inkluderer promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact og agentStop
(Cursor/Claude stavemåder accepteres også). En handling er enten shell (kør en kommando) eller
agentPrompt (spørg agenten). En preToolUse-hook kan tillade,
afvise eller spørge om det værktøjskald, den opfanger.
Subagenter er specialistagenter, du definerer og delegerer til. Hver er en Markdown-fil under
.deepcerebra/agents/ med frontmatter plus en krop (dens systemprompt):
---
name: security-reviewer
description: Audits a diff for security issues; read-only.
model: gpt-5
readonly: true
tools: [read_file, grep_files, list_directory]
background: false
---
Du er en omhyggelig sikkerhedsrevisor…Hovedagenten delegerer med task (blokerende), task_async +
task_status / task_result (baggrund), eller task_parallel (fan-out).
Et plugin samler regler, færdigheder, hooks, subagenter og MCP-servere i én installerbar pakke under
.deepcerebra/plugins/<name>/, beskrevet af et plugin.json-manifest:
{
"navn": "Acme Standarder",
"version": "1.2.0",
"beskrivelse": "Acme regler + færdigheder + revisionsagenter.",
"enabled": true
}Plugin-indhold flettes med den laveste præcedens, så dine egne regler og færdigheder altid tilsidesætter et plugins.
Deaktiver et plugin med "enabled": false eller en .disabled markørfil.
DCC_ORG_CONFIG_DIR på en delt .deepcerebra-mappe, eller ved at indstille regler til
Team-omfanget i webappen.Workflow Studio er en visuel designer til multi-agent automatisering. Du sammensætter stadier — hver en agent, et specialisttrin eller en kontrolprimitiv — til en graf, forbinder dem med afhængigheder og kører hele orkestreringen på motoren med live fremskridt pr. stadie, budgetter og menneskelige godkendelsesporte. Workflows gemmes som en bærbar YAML/JSON-definition, du kan eksportere, importere, versionere i Git og køre fra API'en eller CLI'en.
| Stadietype | Hvad den gør |
|---|---|
agent | Én agenttur med de færdigheder og værktøjer, du vedhæfter. |
spec.requirements / spec.design / spec.execute |
Spec-først levering: udkast til krav, design, derefter opdeling i opgaver og udførelse — hver kan gates. |
documents.generate | Producer et poleret dokument fra tidligere stadie-outputs. |
fan_out | Parallel bred forskning på tværs af mange underemner med syntese. |
map / loop / switch |
Kontrolprimitiver: kør en krop pr. element, gentag indtil en betingelse, eller forgrene på tværs af tilfælde. |
verify / browser_verify |
Kør tests eller kommandoer i sandkassen; verificer en kørende UI med browserautomatisering. |
orchestrate | Dynamisk routing: en orkestrerende agent læser anmodningen og sender den til den/de bedste downstream-agent(er) via begivenheder. |
external.agent | Kald en registreret tredjepartsagent over HTTP (A2A), som om det var et native stadie. |
eval | Scor et upstream-output mod checks (indeholder / regex / længde / LLM-dommer); fejler under en tærskel. |
db.provision | Generer et ejet datalag: docker-compose til databasen,
versionerede SQL-migrationer, seed-data, .env-skabelon og en Mermaid ERD; valgfri auth-stillads;
kan anvende migrationer til SQLite med det samme. |
ci.generate | Generer en klar-til-commit CI/CD-pipeline (GitHub Actions, GitLab CI, eller Azure Pipelines) med lint → test → scan → build → deploy og miljøpromovering. |
deploy.package | Generer produktionsimplementeringsaktiver: multi-stage Dockerfile, docker-compose, Kubernetes-manifests eller et Helm-diagram — filer du ejer og committer. |
test.generate | Generer enheds- / API- / E2E-suiter til den byggede app plus en krav-til-test sporbarhedsmatrix. |
test.verify | Udfør en testsuite (pytest, vitest, jest, Playwright) og gate kørslen på dens beståelsesrate. |
security.audit | Scan afhængigheder for kendte sårbarheder og træet for hardkodede hemmeligheder; publicerer alarmhændelser og skriver en fundrapport. |
preview | Start den genererede app lokalt og vis dens live-URL i kørselspanelet
(link + inline frame) via en preview.ready-begivenhed. |
design.import | Omdan et UI-designbillede (skærmbillede, mockup, Figma-eksport) til en struktureret implementeringsspecifikation for downstream-stadier. |
Hvert stadie — uanset type — kan publicere og abonnere på typede begivenheder på arbejdsområdets begivenhedsbus, så agenter koordinerer som tjenester på et meddelelsesstof snarere end kun gennem DAG'en:
lifecycle, agent,
business, data, system, schedule, chat,
external eller alert — filtrerbar i abonnementer og genafspilning.trigger (stadiet kører, når en matchende begivenhed ankommer; en
kørsel med parkerede stadier forbliver resident som lyttende), gate (en maskinport godkendt af
en begivenhed i stedet for et menneskeligt klik), og data (payloadet flettes ind i stadiets
kontekst).agent.<stage-id>.request.triggers:-blok armerer det til at starte på indgående
webhooks, cron-tidsplaner, begivenheder eller chat — selv mens
Studio er lukket.Agenter, der reagerer på begivenheder, kan erklære en holdbar navngiven kø, så matchende begivenheder aldrig går tabt, mens agenten er optaget, eller før en kørsel lytter. Ved en trigger-abonnement, sæt queue: <name> — motoren binder det emne til en FIFO-kø på arbejdsområdets begivenhedsbus (persisteret under .deepcerebra/workflows/events/queues/). Hver matchende begivenhed, der publiceres fra det tidspunkt, fanges i køen; når trinnet bliver kørbart, trækker motoren begivenheder ud i ældste-først rækkefølge og forbruger dem én ad gangen.
count pr. abonnement — kræv N køede (eller leverede) begivenheder, før abonnementet er opfyldt (nyttigt, når flere arbejdere skal rapportere ind).GET /api/workflow/queues viser dybde og bindinger; GET /api/workflow/queues/{name} kigger på ventende begivenheder; chat-agenter kan kalde event_queue_status og pop_queued_event.events:
subscribe:
- topic: ticket.created
mode: trigger
queue: triage-inbox # durable FIFO — events wait here for this agent
map:
payload.ticket_id: ticket_idEn semafor begrænser, hvor mange opgaver der samtidigt må operere på en delt (beskyttet) ressource: en database, der skrives til, en global variabelbutik, en fil eller en ekstern agent med hastighedsbegrænsning. Tilknyt en til ethvert trin med semaphore: — før trinets arbejde kører, erhverver motoren én tilladelse fra den navngivne arbejdsområdesemafor; tilladelsen frigives altid bagefter, selvom trinnet fejler. permits: 1 gør den til en mutex: kun én opgave ad gangen (på tværs af alle parallelle kørsler i arbejdsområdet) udfører det kritiske trin; alle andre opgaver venter, indtil indehaveren er færdig.
timeout_s for en tilladelse; hvis ressourcen forbliver fuldt udnyttet, fejler trinnet synligt i stedet for at hænge for evigt.ttl_s; hvis en indehaver går ned uden at frigive, udløber tilladelsen automatisk, så ressourssen aldrig er dødlåst.semaphore.<name>.waiting, .acquired og .released systembegivenheder; GET /api/workflow/semaphores viser kapacitet, indehavere og tilgængelige tilladelser.acquire_semaphore, release_semaphore og semaphore_status værktøjer koordinerer ad hoc kritiske sektioner uden for et workflow.semaphore:
name: emr-db-writer
permits: 1 # mutex — one writer at a time
timeout_s: 300 # fail if still waiting after 5 minutes
ttl_s: 900 # auto-release crashed holders after 15 minutesRendezvous venter, indtil flere begivenhedsbetingelser alle er opfyldt, før næste trin fortsætter — det modsatte af "første begivenhed vinder". Sæt join: all på trinets events: blok: hvert trigger-abonnement skal være opfyldt, før trinnet kører. Kombiner med count: N pr. abonnement, når flere agenter (eller flere rapporter fra én agent) alle skal tjekke ind — for eksempel designgodkendelse, testafslutning og sikkerhedsgodkendelse, før et release-trin udføres.
join: any (standard) — trinnet kører, når det første trigger-abonnement er opfyldt.join: all — rendezvous: hvert trigger-abonnement (hvert med sit eget emne, klassefilter og valgfri count) skal være opfyldt; først da bliver trinnet kørbart.trigger_events og eksponeres til skabeloner som inputs.events (en liste over begivenhedsobjekter med payloads).events:
join: all # rendezvous — wait for EVERY subscription below
subscribe:
- topic: design.approved
mode: trigger
- topic: tests.passed
mode: trigger
- topic: security.cleared
mode: trigger
count: 1Stadier vælger værktøjer fra det samme register, som chatagenten bruger:
create_database, apply_migrations og dump_schema for ejede datalag.docker_build / docker_push, compose op/ned, SSH og
cloud-CLI-implementeringer (Fly, Render, Railway, Vercel), også simulationssikker.Class.method) inden for matematik, signalbehandling, kontrol, statistik og mere./v1 API eksponerer kørsler, begivenheder, udløsere, skabeloner og generering for CI og integrationer.db.provision → implementering → genererede tests → sikkerhedsrevision → implementeringspakning →
CI-generering, med en menneskelig gate før pakning — en komplet brief-til-produktion sti, du kan tilpasse på få minutter.Prædiktiv tab-fuldførelse tilbyder inline, udfyld-i-midten kodeforslag, mens du skriver i editoren — accepter et forslag med Tab. Det er opt-in på både motoren og webeditoren.
DCC_TAB_COMPLETE=1. Editoren kalder motorens
POST /api/complete-endepunkt, som kun returnerer teksten, der skal indsættes ved markøren.VITE_TAB_COMPLETE=1, eller ved runtime med
localStorage.setItem('dcc.tabComplete', '1') (genindlæs derefter).Åbn Fakturering fra sidebjælken for at administrere din plan og dit forbrug. AI-forbrug måles i amerikanske dollar-kreditter baseret på de tokens, der forbruges af de underliggende modeller.
| Plan | Månedlig pris | Inkluderet månedligt AI-forbrug |
|---|---|---|
| Basic | $20 | $10 |
| Pro | $75 | $30 |
| Ultimate | $200 | $150 |
En gateway API-nøgle (et personligt adgangstoken) giver dig mulighed for at bruge DeepCerebra's offentlige API og CLI programmatisk.
read, chat, code, agent
— og en valgfri udløbsdato i dage (tom = aldrig).Brug den med CLI'en eller API'en på deepcerebra.ai:
dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>
# eller som et Bearer-token
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...Du kan omdøbe eller slette (tilbagekalde) en nøgle når som helst; hver nøgle viser dens præfiks, scopes, oprettet/udløb og senest anvendte dato.
Skift til Chrome, Edge eller Brave, eller brug Åbn fra Git i stedet.
Klik på Stop, og omformuler derefter med et konkret hint eller en begrænsning.
dcc-bridge-forbinderen kører, og at enheden viser online.1234) med en
indlæst model.--gateway
(wss://deepcerebra.ai eller wss://deepcerebra.io) — de to sider er separate
implementeringer, og et token fra den ene virker aldrig på den anden.Åbn eller opret en arbejdsgren, før du bruger Integrer til at åbne en pull request.
Stadig fast? Kontakt support@deepcerebra.ai.
Discovery er en undersøgende chatbot til dine databaser og dokumenter. I stedet for at svare med en enkelt forespørgsel, arbejder den som en analytiker: den danner hypoteser, udfører en række kontrollerede sonderinger (SQL, graf, dokumentsøgning, skemakontrol, webbekræftelse), fjerner de forklaringer, som beviserne modbeviser, og syntetiserer et velbegrundet svar — med diagrammer og en gennemsigtig omkostningskvittering. Åbn den fra kompasikonet i aktivitetslinjen (/app/discovery).
Et arbejdsområde samler alt, hvad en undersøgelse kræver: databaseforbindelser, dokumentsamlinger, instruktioner til analytikeren og budgetter. Opret et med + Nyt arbejdsområde, og brug derefter opsætningspanelet til højre for at:
Skriv et spørgsmål, som du ville spørge en kollega — for eksempel "Hvorfor faldt MR-scanningsvolumen i marts?". Undersøgelsesboardet streamer hele processen live:
Opfølgende spørgsmål fortsætter den samme tråd, så analytikeren bevarer sin kontekst.
Diagrammer gengives inline på undersøgelsesboardet. Brug Eksport til at downloade hele forespørgslen — svaret, hypoteserne, beviserne og diagrammerne — som en selvstændig HTML-rapport eller en printklar PDF, stylet med neon-designsystemet.
Hvert arbejdsområde har budgetter pr. forespørgsel: et maksimalt antal sonderinger, undersøgelsesrunder, sekunder og USD. Enginen stopper rent ved grænsen og rapporterer, hvad den har fundet indtil videre. Hver sonderings omkostning er specificeret på kvitteringen, så du altid ved, hvor pengene er brugt.
/v1/discovery/* med en PAT, der bærer discovery-omfanget (opret den under Konto → API-tokens). Streaming-forespørgsler bruger SSE. Eksterne eksekutorer kan låne den undersøgende planlægning via Thinking API (/v1/think/*, omfang think).pip install deepcerebra-discovery, then DiscoveryClient(base_url, token).ask(space_id, question).discovery.ask) ind i enhver workflow for at køre en undersøgelse som et pipelinesteg; svaret, diagrammerne og kvitteringen flyder til efterfølgende trin.discovery_ask og discovery_list_spaces som MCP-værktøjer, så eksterne MCP-klienter også kan køre undersøgelser.