DeepCerebra Coder はエージェント型のコーディングアシスタントです。単なるオートコンプリートのコパイロットとは異なり、提案された変更をあなたがレビューし承認することで、プロジェクト全体にわたって計画、記述、リファクタリング、コマンド実行、ツール呼び出し、反復を行います。
| エディション | 最適な用途 | ファイルアクセス |
|---|---|---|
| ウェブアプリ | インストール不要、どのマシンからでも作業可能 | ブラウザ内の機密ストレージ (およびGitリポジトリ) |
| デスクトップ (Windows / Linux / macOS) | ローカル優先開発、ローカルモデル | 直接ローカルファイルシステム |
| CLI & API | スクリプト作成、CI/CD、自動化 | ローカルファイル / プログラムによる |
このガイドでは deepcerebra.ai のウェブアプリに焦点を当てています。デスクトップアプリも同じパネルとワークフローを反映しています。
最新バージョンのChrome, Edge, or Braveを使用して、すべての機能をご利用ください。— ローカルフォルダーは、Chromium File System Access APIに依存しています。FirefoxとSafariはチャットや Gitバックアッププロジェクトでは動作しますが、ローカルフォルダーを直接開くことはできません。
/register?plan=basic (または pro / ultimate) にアクセスしてプランを選択するか、今すぐ開始して後で「Billing」でプランを選択できます。サインインするとワークベンチに移動し、すべてのペインが1つの画面に表示されます。
エディターとチャットの間のスプリッターをドラッグしてレイアウトを再調整し、水平スプリッターをドラッグしてターミナルのサイズを変更します。左側のサイドバーからは、「Workspace」、「Extensions」、「API Keys」、「Billing」、および「Feedback」にも移動できます。
repo スコープ（クラシック）またはContents + Pull requestsを持つきめ細かいトークンを使用し、GitLabの場合は api スコープを使用します。トークンはサーバーに保存され、ファイルの内容のみがブラウザにプルされます。owner/name の形式で入力し（リストをフィルタリングして自分のものを見つけます）、次にブランチを選択します。dcc/my-feature）にチェックを入れて、作業をデフォルトブランチから分離できます。チャット履歴は開いているプロジェクトに紐付けられています。フォルダを切り替えると、自動的に新しいセッションが開始され、そのフォルダの以前のセッションが読み込まれ、最新のセッションが再度開かれるため、中断したところから再開できます。
DeepCerebraが内部的に使用するフォルダ — .deepcerebra、.sessions — はツリーに表示されますが、ソースを散らかさないようにデフォルトで折りたたまれています。
ご希望の内容を平易な言葉で記述してください — 質問、機能リクエスト、またはバグ報告など。最良の結果を得るために、ファイル、フレームワーク、および制約について具体的に記述してください。関連ファイルをプロンプトにドラッグして添付してください。
応答はCursorのように整理されています。エージェントの推論は成果物から分離されています。各応答ブロックの右上隅にはコピーアイコンがあり、完成したレポート、ドキュメント、または実行すべきコマンドをコピーできます。
html.parser の代わりに lxml を使用する」）を与えて、エージェントをループから抜け出させます。@deepcerebra を使用し、[deep] のようなプレフィックスはより深い推論を要求します。プロンプトの横にあるモードセレクターからモードを選択します。各モードは、エージェントがどれだけ計画し、どれだけ自由に編集するかを調整します。
| モード | 機能 | 使用する状況… |
|---|---|---|
| エージェント | プロジェクト全体を自律的に計画し編集する | アシスタントにエンドツーエンドの変更を実装させたい場合 |
| 質問 | コードに関する質問に編集なしで回答する | コードベースを理解したい場合 |
| 計画 | 編集前にアプローチを立案する | タスクが大規模であるか、最初に解決すべきトレードオフがある場合 |
| 編集 | 現在のコンテキストで集中的な編集を行う | 小さく、ターゲットを絞った変更をしたい場合 |
エージェントがファイルの変更を提案すると、チャット入力の上に「Proposed Changes」パネルが表示され、変更された各ファイルが追加（+）および削除（−）された行数とともにリストされます。
applied とマークされ（実際のフォルダに書き込まれた場合は · disk）、表示されます。エディターの下にあるターミナルを切り替えて、ビルド、テスト、スクリプトを実行します。あなたの承認があれば、エージェントはコマンドを実行し、その出力を読み取って作業を検証できます。長時間実行されるコマンドは出力をストリーム配信するため、進行状況を監視できます。不要な場合は、ヘッダーからターミナルを閉じます。
より大きな目標には、プラン モードを使用します（または、まずエージェントに計画を依頼します）。プランナーはプロジェクトをスキャンし、目標を依存関係を考慮したタスクに分解し、それぞれを適切な専門家（アーキテクト、コーダー、テスター、ドキュメント担当者）に割り当てます。
プロンプトの横にあるモデルピッカーを開きます。オプションは次のようにグループ化されています。
自動モードでは、DeepCerebraは階層型適応ルーティングを使用します。単純なタスクは高速で経済的なモデルに送られ、複雑な作業や計画重視の作業（例えばプランモード）はより強力なモデルにルーティングされます。これにより、コストと品質が自動的にバランスされ、手動で選択する必要はほとんどありません。
従量課金制のプラットフォーム利用ではなく、ご自身のプロバイダーアカウントを通じてリクエストをルーティングできます。
ANTHROPIC_API_KEY、GOOGLE_API_KEY、OPENAI_API_KEY）を選択します。プラットフォーム (DeepCerebra) モデルにはキーは不要です。「Remove」でいつでもキーを削除できます。
DCC Bridgeは、小さな dcc-bridge コネクタを介してあなたのコンピュータをウェブアプリに接続し、2つの機能を同時にアンロックします。
コネクタは認証されたWebSocketを介して外部にダイヤルします — インバウンドポートは不要で、NATやファイアウォールの背後でも動作します。Windows、macOS、Linux (Python 3.10+) で動作します。
dcc_brg_…）と、すぐに貼り付けられるコネクタコマンドをコピーします — トークンは一度だけ表示されます。pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector
# then run the command copied from the pairing card, e.g.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxxwss://deepcerebra.ai または wss://deepcerebra.io）を使用してください — ペアリングカードが正しいものを事前入力します。これら2つのサイトは、別々のアカウントとトークンを持つ別々のデプロイメントです。1234）をモデルをロードした状態で有効にしてください。デフォルトでは、コマンドは専用のワークスペースフォルダ（~/DeepCerebra）に限定されます。事前に設定されたCLIを使用して実際のプロジェクトフォルダで作業するには、コネクタを起動する際に明示的に権限を付与します。
# grant one or more real folders (repeatable)
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx --host-dir "F:\MyProjects"
# or the whole machine (prints a warning; prefer --host-dir)
python -m dcc_bridge ... --allow-any-dir次に、「Terminal」パネルを開き、「Execution target」ポップオーバー（ラップトップアイコン）をクリックし、「My computer」を選択して作業ディレクトリを選びます。入力したコマンドとエージェントのビルド/テストコマンドの両方が、あなたのマシン上で実行されます。
--no-exec はデバイスを推論専用（GPUモデル、コマンドなし）にします。Gitベースのプロジェクトが開いている場合、エクスプローラーに現在のブランチと2つのアクションを示すブランチバーが表示されます。
main）へのプルリクエストを開きます。デフォルトブランチではなく、作業ブランチにいる必要があります。プッシュウェブフックが有効になっている場合、チームメイトがプッシュするとエクスプローラーが自動的に更新され、全員が同期されます — これはDeepCerebraを通じた共同チーム開発の基盤です。
Model Context Protocolを介して、外部ツールとデータでエージェントを拡張します。例えば、.deepcerebra/mcp.json ファイルでサーバーを設定します。
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}有効化されたMCPツールは、あなたのリクエストに関連する場合、エージェントに自動的に利用可能になります。ローカル（stdio）サーバーとリモート（http/sse）サーバーの両方がサポートされています。
allowlist をリストしている場合、それらのツールのみが実行できます。autoApprove で事前に承認しない限り、承認が必要です。サーバーがMCPのリソースまたはプロンプトテンプレートを公開している場合、エージェントはそれらを使用するためのツール（mcp_list_resources、mcp_read_resource、mcp_list_prompts、mcp_get_prompt）を自動的に取得します。
リモートサーバーに auth ブロックを追加します。シークレットは ${ENV_VAR} 補間をサポートします。
// 静的ベアラートークン（リテラルまたは環境変数から）
"auth": { "type": "bearer", "token": "${GITHUB_TOKEN}" }
"auth": { "type": "bearer", "tokenEnv": "GITHUB_TOKEN" }
// カスタムヘッダー（例: APIキー）
"auth": { "type": "header", "header": "x-api-key", "value": "${MY_KEY}" }
// OAuth 2.0 クライアントクレデンシャル
"auth": {
"type": "oauth", "grant": "client_credentials",
"tokenUrl": "https://auth.example.com/oauth/token",
"clientId": "${MCP_CLIENT_ID}", "clientSecret": "${MCP_CLIENT_SECRET}",
"scope": "mcp.read mcp.write"
}エージェントの思考と行動は、デスクトップアプリ、ウェブアプリ、およびAPIで同じように機能する単一のファイルベースの規約 — .deepcerebra/ ディレクトリ — で形成できます。ウェブアプリでは、これらすべてを「Agent」ビューで管理します。デスクトップおよびAPI経由では、プロジェクトとともにコミットするプレーンファイルです。
設定は複数のスコープから検出されます。同じ項目が複数存在する場合、優先順位の高い方が適用されます。
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(最低) (最高)<repo>/.deepcerebra/…、プロジェクトとともにコミットされます。~/.deepcerebra/…、プロジェクト全体にわたるあなたの個人設定です。ルールは、エージェントのシステムプロンプトに注入される永続的な指示 — コーディング標準、アーキテクチャ規約、ドメインコンテキスト — です。これらは .deepcerebra/steering/ の下のMarkdownファイルとして存在し、常に有効な AGENTS.md 標準も含まれます。フロントマターは、ルールがいつロードされるかを制御します。
---
inclusion: fileMatch # always | fileMatch | auto | manual
globs: "src/**/*.ts" # or fileMatchPattern
name: api-design
description: REST conventions
---
# API設計
- RESTリソース名詞を複数形で使用する。always — すべてのターン（デフォルト）。fileMatch — コンテキスト内のファイルが globs に一致する場合のみ。auto — リクエストがルールのname/descriptionに一致する場合。manual — #name または /name として参照した場合のみ。ルートの AGENTS.md はリポジトリ全体に適用され、ネストされた AGENTS.md（例: services/api/AGENTS.md）はそのフォルダ以下のファイルにのみ適用されます。ウェブアプリでは、「Agent → Steering」ビューで各ルールに「Scope」ピッカー（「Global」 / 「Project」 / 「Team」）が提供されます。
スキルは、エージェントがオンデマンドでロードする再利用可能なプレイブックです。各スキルは、.deepcerebra/skills/ の下に SKILL.md を持つフォルダです。
---
name: deploy-release
description: How to cut and publish a versioned release.
disable-model-invocation: false # true => manual-only (/skill)
---
# リリースのデプロイ
1. バージョンを上げ、ビルドし、テストする。
2. タグ付けして公開する。エージェントは軽量なカタログ（名前 + 説明）を参照し、関連する場合に load_skill ツールで完全な本文をプルします。また、/skill <name> で明示的に呼び出すこともできます。スキルを手動専用にするには disable-model-invocation: true を設定します。
フックはライフサイクルイベントで自動化を実行します。これらは .deepcerebra/hooks/*.hook.json として定義します。
{
"title": "保存時にフォーマット",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}イベントには promptSubmit、preToolUse、postToolUse、fileCreate、fileSave、fileDelete、preTask、postTask、sessionStart、preCompact、および agentStop が含まれます（Cursor/Claudeの表記も受け入れられます）。アクションは shell（コマンドを実行）または agentPrompt（エージェントに質問）のいずれかです。preToolUse フックは、インターセプトするツール呼び出しを許可、拒否、または尋ねることができます。
サブエージェントは、あなたが定義して委任する専門エージェントです。それぞれは .deepcerebra/agents/ の下のMarkdownファイルで、フロントマターと本文（そのシステムプロンプト）を持ちます。
---
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
---
あなたは細心の注意を払うセキュリティレビュー担当者です…メインエージェントは task（ブロッキング）、task_async + task_status / task_result（バックグラウンド）、または task_parallel（ファンアウト）で委任します。
プラグインは、ルール、スキル、フック、サブエージェント、およびMCPサーバーを、.deepcerebra/plugins/<name>/ の下のインストール可能な単一パッケージにバンドルし、plugin.json マニフェストで記述されます。
{
"name": "Acme標準",
"version": "1.2.0",
"description": "Acmeのルール + スキル + レビューエージェント。",
"enabled": true
}プラグインの内容は最低優先順位でマージされるため、あなた自身のルールとスキルは常にプラグインのものを上書きします。プラグインを無効にするには "enabled": false または .disabled マーカーファイルを使用します。
DCC_ORG_CONFIG_DIR を共有の .deepcerebra ディレクトリに指定するか、ウェブアプリでルールを「Team」スコープに設定することで、共有のデフォルトを公開できます。Workflow Studioは、マルチエージェント自動化のためのビジュアルデザイナーです。あなたはステージ — それぞれがエージェント、専門ステップ、または制御プリミティブ — をグラフに構成し、依存関係で接続し、ライブのステージごとの進捗、予算、および人間による承認ゲートを備えたエンジン上で全体のオーケストレーションを実行します。ワークフローは、エクスポート、インポート、Gitでのバージョン管理、APIまたはCLIからの実行が可能なポータブルなYAML/JSON定義として保存されます。
| ステージの種類 | 機能 |
|---|---|
agent | あなたがアタッチしたスキルとツールを使ったエージェントの1ターン。 |
spec.requirements / spec.design / spec.execute |
仕様優先のデリバリー: 要件をドラフトし、設計し、タスクに分解して実行 — それぞれゲート可能。 |
documents.generate | 以前のステージ出力から洗練されたドキュメントを生成する。 |
fan_out | 多くのサブトピックにわたる並列広範囲調査と統合。 |
map / loop / switch |
制御プリミティブ: 項目ごとにボディを実行、条件が満たされるまで繰り返し、またはケース間で分岐。 |
verify / browser_verify |
サンドボックスでテストまたはコマンドを実行。ブラウザ自動化で実行中のUIを検証。 |
orchestrate | 動的ルーティング: オーケストレーターエージェントがリクエストを読み取り、イベントを介して最適なダウンストリームエージェントにディスパッチする。 |
external.agent | 登録されたサードパーティエージェントをHTTP (A2A) 経由で呼び出し、ネイティブステージのように扱う。 |
eval | 上流の出力をチェック（含む / 正規表現 / 長さ / LLM判定）に対して評価し、閾値を下回る場合は失敗とする。 |
db.provision | 所有するデータレイヤーを生成: データベース用のdocker-compose、バージョン管理されたSQLマイグレーション、シードデータ、.env テンプレート、およびMermaid ERD。オプションの認証足場。SQLiteにマイグレーションを即座に適用可能。 |
ci.generate | lint → test → scan → build → deploy および環境プロモーションを含む、すぐにコミットできるCI/CDパイプライン（GitHub Actions、GitLab CI、またはAzure Pipelines）を生成する。 |
deploy.package | 本番デプロイアセットを生成: マルチステージDockerfile、docker-compose、Kubernetesマニフェスト、またはHelmチャート — あなたが所有しコミットするファイル。 |
test.generate | 構築されたアプリのユニット / API / E2Eスイートと、要件からテストへのトレーサビリティマトリックスを生成する。 |
test.verify | テストスイート（pytest, vitest, jest, Playwright）を実行し、その合格率に基づいて実行をゲートする。 |
security.audit | 既知の脆弱性について依存関係をスキャンし、ハードコードされたシークレットについてツリーをスキャンする。アラートイベントを公開し、発見レポートを書き込む。 |
preview | 生成されたアプリをローカルで起動し、preview.ready イベントを介して実行パネルにライブURL（リンク + インラインフレーム）を表示する。 |
design.import | UIデザイン画像（スクリーンショット、モックアップ、Figmaエクスポート）を、後続のステージ向けの構造化された実装仕様に変換します。 |
すべてのステージは、種類に関係なく、ワークスペースイベントバス上で型付きイベントを発行および購読できるため、エージェントはDAGを介するだけでなく、メッセージファブリック上のサービスのように連携します。
lifecycle, agent,
business, data, system, schedule, chat,
external, or alert — サブスクリプションとリプレイでフィルタリング可能です。trigger（一致するイベントが到着するとステージが実行されます。停止中のステージを持つ実行はリスニングとして常駐します）、gate（人間によるクリックではなくイベントによって承認されるマシンゲート）、および data（ペイロードがステージのコンテキストにマージされます）。agent.<stage-id>.request に発行することで開始できます。triggers: ブロックは、Studioが閉じている間でも、インバウンドのウェブフック、cronスケジュール、イベント、またはチャットで開始できるようにします。イベントに反応するエージェントは、永続的な名前付きキューを宣言することで、エージェントがビジー状態の間や実行がリッスンする前に、一致するイベントが失われないようにすることができます。トリガーのサブスクリプションで
queue: <name> を設定すると、エンジンはそのトピックをワークスペースのイベントバス上の FIFO キューにバインドします
(.deepcerebra/workflows/events/queues/ に永続化されます)。それ以降に発行されたすべての一致するイベントはキューにキャプチャされます。ステージが実行可能になると、エンジンはイベントを
古いものから順にポップし、1 つずつ消費します。
count — サブスクリプションが満たされる前にN個のキューに入れられた（または配信された）イベントを要求します（複数のワーカーが報告する必要がある場合に便利です）。GET /api/workflow/queuesは深さとバインディングを一覧表示し、GET /api/workflow/queues/{name}は保留中のイベントを覗き見します。チャットエージェントはevent_queue_statusとpop_queued_eventを呼び出すことができます。events:
subscribe:
- topic: ticket.created
mode: trigger
queue: triage-inbox # durable FIFO — events wait here for this agent
map:
payload.ticket_id: ticket_idセマフォは、書き込み中のデータベース、グローバル変数ストア、ファイル、またはレート制限された外部エージェントといった共有 (保護された) リソースに対して、同時に操作できるタスクの数を制限します。 任意のステージに semaphore: を使ってアタッチすると、ステージの処理が実行される前に、エンジンは指定されたワークスペースセマフォのパーミットを1つ取得します。ステージが失敗した場合でも、パーミットはその後必ず解放されます。 permits: 1 とするとミューテックスになります：(ワークスペース内のすべての並列実行にわたって) 一度に1つのタスクのみがクリティカルステップを実行し、他のすべてのタスクはホルダーが終了するまで待機します。
timeout_sまでブロックします。リソースが容量いっぱいのままであれば、ステージは永久にハングアップするのではなく、目に見える形で失敗します。ttl_sが付与されます。保持者が解放せずにクラッシュした場合、許可は自動的に期限切れになり、リソースがデッドロック状態になることはありません。semaphore.<name>.waiting、.acquired、および.releasedシステムイベントを発行します。GET /api/workflow/semaphoresは容量、保持者、および利用可能な許可を表示します。acquire_semaphore、release_semaphore、およびsemaphore_statusツールは、ワークフロー外のアドホックなクリティカルセクションを調整します。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 minutesランデブーは、「最初のイベントが勝つ」とは反対に、次のステップに進む前に複数のイベント条件がすべて満たされるまで待機します。ステージのevents:ブロックでjoin: allを設定します。ステージが実行される前に、すべてのトリガーサブスクリプションが満たされている必要があります。複数のエージェント（または1つのエージェントからの複数のレポート）がすべてチェックインする必要がある場合、サブスクリプションごとのcount: Nと組み合わせます。例えば、リリースステージが実行される前の設計承認、テスト完了、セキュリティ承認などです。
join: any （デフォルト） — 最初のトリガーサブスクリプションが満たされたときにステージが実行されます。join: all — ランデブー：各トリガーサブスクリプション（それぞれ独自のトピック、クラスフィルター、およびオプションのcountを持つ）が満たされている必要があります。その場合にのみ、ステージは実行可能になります。trigger_eventsとして記録され、テンプレートにはinputs.events（ペイロードを持つイベントオブジェクトのリスト）として公開されます。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: 1ステージは、チャットエージェントが使用するのと同じレジストリからツールを選択します。
create_database、apply_migrations、および dump_schema。docker_build / docker_push、compose up/down、SSHおよびクラウドCLIデプロイ（Fly, Render, Railway, Vercel）。これもシミュレーションセーフです。Class.method という名前）を提供します。/v1 APIは、CIおよび統合のための実行、イベント、トリガー、テンプレート、および生成を公開します。db.provision → 実装 → 生成されたテスト → セキュリティ監査 → デプロイパッケージング → CI生成を連結し、パッケージング前に人間によるゲートを設けています — 数分で適応できる、ブリーフから本番までの完全なパスです。予測型タブ補完は、エディターで入力中にインラインで、途中のコード提案を提供します — Tab で提案を受け入れます。これはエンジンとウェブエディターの両方でオプトインです。
DCC_TAB_COMPLETE=1 を設定します。エディターはエンジンの POST /api/complete エンドポイントを呼び出し、カーソル位置に挿入するテキストのみを返します。VITE_TAB_COMPLETE=1 で有効にするか、実行時に localStorage.setItem('dcc.tabComplete', '1') で有効にします（その後リロード）。サイドバーから「Billing」を開いて、プランと使用量を管理します。AIの使用量は、基盤モデルによって消費されたトークンに基づいて、米ドルクレジットで計測されます。
| プラン | 月額料金 | 含まれる月間AI使用量 |
|---|---|---|
| ベーシック | $20 | $10 |
| プロ | $75 | $30 |
| アルティメット | $200 | $150 |
ゲートウェイ API キー（個人アクセストークン）を使用すると、DeepCerebraの公開 API と CLI をプログラムで利用できます。
read、chat、code、agent — を選択し、オプションで日数での有効期限（空白 = 無期限）を設定します。CLIまたは deepcerebra.ai の API で使用します。
dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>
# またはベアラートークンとして
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...キーはいつでも「rename」または「delete (revoke)」できます。各キーには、プレフィックス、スコープ、作成/有効期限、最終使用日が表示されます。
Chrome、Edge、またはBraveに切り替えるか、代わりに「Open from Git」を使用してください。
「Stop」をクリックし、具体的なヒントや制約を加えて言い換えてください。
dcc-bridge コネクタが実行されており、デバイスがオンラインと表示されていることを確認してください。1234）でモデルがロードされていることを確認してください。--gateway としてブラウザで使用するのと同じドメイン（wss://deepcerebra.ai または wss://deepcerebra.io）を使用してください — これら2つのサイトは別々のデプロイメントであり、一方のトークンは他方では機能しません。プルリクエストを開くために「Integrate」を使用する前に、作業ブランチを開くか作成してください。
まだ解決しませんか？ support@deepcerebra.ai までお問い合わせください。
Discovery は、お客様のデータベースとドキュメントのための調査チャットボットです。
単一のクエリで回答するのではなく、アナリストのように機能します。すなわち、仮説を立て、
一連の保護された調査（SQL、グラフ、ドキュメント検索、スキーマチェック、ウェブ検証）を実行し、証拠が反証する説明を排除し、
チャートと透明なコスト明細書が付属する根拠のある回答を合成します。アクティビティレールにあるコンパスアイコンから開きます
(/app/discovery)。
スペースは、一連の質問に必要なすべてをバンドルします。データベース接続、ドキュメントコレクション、アナリストへの指示、予算などです。+ 新しいスペースで作成し、右側のセットアップパネルを使用して、次の操作を行います。
同僚に質問するのと同じように質問を入力します — 例えば、「3月にMRIスキャン量が減少したのはなぜですか？」。調査ボードは、プロセス全体をライブでストリーミングします。
フォローアップの質問は同じスレッドで継続されるため、アナリストはそのコンテキストを保持します。
チャートは調査ボードにインラインでレンダリングされます。エクスポートを使用して、回答、仮説、証拠、チャートを含む完全な質問を、自己完結型のHTMLレポートまたは印刷品質のPDFとして、ネオンデザインシステムでスタイル設定してダウンロードできます。
各スペースには、質問ごとの予算が設定されています。調査の最大数、調査ラウンド数、秒数、およびUSDです。エンジンは上限でクリーンに停止し、それまでに発見した内容を報告します。各調査のコストは明細書に項目別に記載されるため、常にどこに費用が使われたかを知ることができます。
discoveryを持つPAT（アカウント → APIトークンで作成）を使用して、/v1/discovery/*で利用できます。ストリーミングによる質問にはSSEが使用されます。外部のエグゼキューターは、Thinking API（/v1/think/*、スコープthink）を介して調査計画のみを借りることができます。pip install deepcerebra-discoveryを実行し、次にDiscoveryClient(base_url, token).ask(space_id, question)を実行します。discovery.ask）を任意のワークフローにドロップして、調査をパイプラインステップとして実行します。回答、チャート、明細書は下流のステージに流れます。discovery_askとdiscovery_list_spacesをMCPツールとして公開しているため、外部のMCPクライアントも調査を実行できます。