DeepCerebra Coder는 에이전트 기반 코딩 어시스턴트입니다. 단순한 자동 완성 코파일럿과 달리, 제안하는 변경 사항을 사용자가 검토하고 승인하는 방식으로 전체 프로젝트에 걸쳐 계획하고, 코드를 작성하고, 리팩터링하고, 명령을 실행하고, 도구를 호출하며, 반복 작업을 수행합니다.
| 에디션 | 최적의 용도 | 파일 접근 |
|---|---|---|
| 웹 앱 | 설치 없이 모든 기기에서 작업 | 브라우저 내 기밀 저장소 (및 Git 리포지토리) |
| 데스크톱 (Windows / Linux / macOS) | 로컬 우선 개발, 로컬 모델 | 직접 로컬 파일 시스템 |
| CLI & API | 스크립팅, CI/CD, 자동화 | 로컬 파일 / 프로그래밍 방식 |
이 가이드는 deepcerebra.ai의 웹 앱에 중점을 둡니다. 데스크톱 앱도 동일한 패널과 워크플로를 제공합니다.
전체 기능을 사용하려면 Chrome, Edge 또는 Brave의 최신 버전을 사용하세요. 로컬 폴더를 여는 기능은 Chromium 파일 시스템 접근 API에 의존합니다. Firefox와 Safari는 채팅 및 Git 기반 프로젝트에서는 작동하지만, 로컬 폴더를 직접 열 수는 없습니다.
/register?plan=basic (또는 pro / ultimate)을 방문하여 요금제를 선택하거나, 지금 시작하여 나중에 청구에서 요금제를 선택할 수 있습니다.로그인하면 모든 창이 한 화면에 표시되는 워크벤치로 이동합니다:
편집기와 채팅 사이의 분할자를 드래그하여 레이아웃의 균형을 재조정하고, 가로 분할자를 드래그하여 터미널 크기를 조정합니다. 왼쪽 사이드바는 워크스페이스, 확장 프로그램, API 키, 청구 및 피드백으로 이동할 수도 있습니다.
repo 스코프 (클래식) 또는 Contents + Pull requests가 있는 세분화된 토큰을 사용하고, GitLab의 경우 api 스코프를 사용합니다. 토큰은 서버에 저장되며, 파일 내용만 브라우저로 가져옵니다.owner/name 형식으로 입력하고 (목록을 필터링하여 찾으세요), 브랜치를 선택합니다.dcc/my-feature)을 선택하여 기본 브랜치와 작업을 분리할 수 있습니다.채팅 기록은 열려 있는 프로젝트에 연결됩니다. 폴더를 전환하면 자동으로 새 세션이 시작되고 해당 폴더의 이전 세션이 로드되며, 가장 최근 세션이 다시 열려 중단했던 부분부터 다시 시작할 수 있습니다.
DeepCerebra가 내부적으로 사용하는 폴더 — .deepcerebra, .sessions —는 트리에 나타나지만 소스를 복잡하게 만들지 않도록 기본적으로 축소됩니다.
원하는 것을 평이한 언어로 설명하세요 — 질문하거나, 기능을 요청하거나, 버그를 지적하세요. 최상의 결과를 얻으려면 파일, 프레임워크, 제약 조건에 대해 구체적으로 설명하세요. 관련 파일을 프롬프트로 끌어다 놓아 첨부하세요.
응답은 Cursor처럼 구성됩니다. 에이전트의 추론은 결과물과 분리됩니다. 각 응답 블록의 오른쪽 상단에는 복사 아이콘이 있어 완성된 보고서, 문서 또는 실행해야 할 명령을 복사할 수 있습니다.
html.parser 대신 lxml 사용")를 제공하여 에이전트가 루프에서 벗어나도록 합니다.@deepcerebra로 에이전트를 호출하고, [deep]과 같은 접두사는 더 깊은 추론을 요청합니다.프롬프트 옆의 모드 선택기에서 모드를 선택하세요. 각 모드는 에이전트가 얼마나 계획하고 얼마나 자유롭게 편집하는지를 조정합니다:
| 모드 | 기능 | 사용 시점… |
|---|---|---|
| Agent | 프로젝트 전체에 걸쳐 자율적으로 계획하고 편집합니다 | 어시스턴트가 변경 사항을 처음부터 끝까지 구현하기를 원할 때 |
| Ask | 코드를 편집하지 않고 코드에 대한 질문에 답변합니다 | 코드베이스를 이해하고 싶을 때 |
| Plan | 편집 전에 접근 방식을 초안합니다 | 작업이 크거나 먼저 해결해야 할 절충점이 있을 때 |
| Edit | 현재 컨텍스트에서 집중적인 편집을 수행합니다 | 작고 목표 지향적인 변경을 원할 때 |
에이전트가 파일 변경을 제안하면 채팅 입력 위에 제안된 변경 사항 패널이 나타나며, 추가된 (+) 및 제거된 (−) 줄 수와 함께 변경된 각 파일이 나열됩니다.
applied로 표시됩니다 (실제 폴더에 기록될 때는 · disk로 표시됩니다).편집기 아래의 터미널을 전환하여 빌드, 테스트 및 스크립트를 실행합니다. 사용자의 승인을 받아 에이전트는 명령을 실행하고 출력을 읽어 작업을 확인할 수 있습니다. 장시간 실행되는 명령은 출력을 스트리밍하여 진행 상황을 볼 수 있습니다. 필요하지 않을 때는 터미널 헤더에서 터미널을 닫으세요.
더 큰 목표의 경우 계획 모드를 사용하거나 (또는 에이전트에게 먼저 계획하도록 요청) 합니다. 플래너는 프로젝트를 스캔하고, 목표를 종속성을 인식하는 작업으로 분해하며, 각 작업을 적절한 전문가 (아키텍트, 코더, 테스터, 문서 작성자)에게 할당합니다.
프롬프트 옆의 모델 선택기를 엽니다. 옵션은 다음과 같이 그룹화됩니다:
자동 모드에서 DeepCerebra는 계층화된 적응형 라우팅을 사용합니다. 간단한 작업은 빠르고 경제적인 모델로 이동하고, 복잡하거나 계획이 많이 필요한 작업 (예: 계획 모드)은 더 강력한 모델로 라우팅됩니다. 이는 비용과 품질의 균형을 자동으로 맞춰주므로 수동으로 선택할 필요가 거의 없습니다.
측정된 플랫폼 사용량 대신 자체 공급자 계정을 통해 요청을 라우팅할 수 있습니다.
ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY).플랫폼 (DeepCerebra) 모델은 키가 필요하지 않습니다. 제거를 사용하여 언제든지 키를 제거할 수 있습니다.
DCC Bridge는 작은 dcc-bridge 커넥터를 통해 사용자 자신의 컴퓨터를 웹 앱에 연결하여 두 가지 기능을 동시에 잠금 해제합니다:
커넥터는 인증된 WebSocket을 통해 외부로 연결됩니다. 인바운드 포트가 필요 없으며 NAT 및 방화벽 뒤에서도 작동합니다. Windows, macOS 및 Linux (Python 3.10 이상)에서 실행됩니다.
dcc_brg_…)과 붙여넣기 준비가 된 커넥터 명령을 복사합니다. 토큰은 정확히 한 번만 표시됩니다.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 또는 wss://deepcerebra.io) — 페어링 카드가 올바른 도메인을 미리 채웁니다. 두 사이트는 별도의 계정 및 토큰을 사용하는 별도의 배포입니다.1234)를 활성화합니다.기본적으로, 명령어는 전용 작업 공간 폴더에 제한됩니다 (~/DeepCerebra). 실제 프로젝트 폴더에서 사전 구성된 CLI와 함께 작업하려면, 커넥터를 시작할 때 명시적으로 권한을 부여하십시오:
# 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-dir그런 다음 터미널 패널을 열고 실행 대상 팝오버 (노트북 아이콘)를 클릭하고 내 컴퓨터를 선택한 다음 작업 디렉터리를 선택합니다. 그러면 사용자가 입력한 명령과 에이전트의 빌드/테스트 명령이 모두 사용자 머신에서 실행됩니다.
--no-exec는 장치를 추론 전용 (GPU 모델, 명령 없음)으로 만듭니다.Git 기반 프로젝트가 열려 있으면 탐색기에 현재 브랜치와 두 가지 작업이 표시되는 브랜치 바가 나타납니다:
main)로 풀 리퀘스트를 엽니다. 기본 브랜치가 아닌 작업 브랜치에 있어야 합니다.푸시 웹훅이 활성화된 경우, 팀원들이 푸시할 때 탐색기가 자동 새로고침되어, 모든 사람이 동기화 상태를 유지합니다 — DeepCerebra를 통한 협업 팀 개발의 기반입니다.
모델 컨텍스트 프로토콜을 통해 외부 도구 및 데이터로 에이전트를 확장합니다. 예를 들어, .deepcerebra/mcp.json 파일에 서버를 구성합니다:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}활성화된 MCP 도구는 요청과 관련이 있을 때 에이전트에게 자동으로 제공됩니다. 로컬 (stdio) 및 원격 (http/sse) 서버 모두 지원됩니다.
allowlist를 나열하면 해당 도구만 실행할 수 있습니다.autoApprove에서 미리 승인하지 않는 한 승인이 필요합니다.서버가 MCP 리소스 또는 프롬프트 템플릿을 노출하면 에이전트는 자동으로 이를 사용하는 도구 (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt)를 얻습니다.
원격 서버에 auth 블록을 추가합니다. 비밀은 ${ENV_VAR} 보간을 지원합니다:
// 정적 베어러 토큰 (리터럴 또는 환경 변수에서)
"auth": { "type": "bearer", "token": "${GITHUB_TOKEN}" }
"auth": { "type": "bearer", "tokenEnv": "GITHUB_TOKEN" }
// 사용자 지정 헤더 (예: API 키)
"auth": { "type": "header", "header": "x-api-key", "value": "${MY_KEY}" }
// OAuth 2.0 클라이언트 자격 증명
"auth": {
"type": "oauth", "grant": "client_credentials",
"tokenUrl": "https://auth.example.com/oauth/token",
"clientId": "${MCP_CLIENT_ID}", "clientSecret": "${MCP_CLIENT_SECRET}",
"scope": "mcp.read mcp.write"
}에이전트가 생각하고 행동하는 방식을 단일 파일 기반 규칙인 .deepcerebra/ 디렉터리를 통해 형성할 수 있습니다. 이 디렉터리는 데스크톱 앱, 웹 앱 및 API에서 동일하게 작동합니다. 웹 앱에서는 에이전트 보기에서 이 모든 것을 관리할 수 있으며, 데스크톱 및 API를 통해서는 프로젝트와 함께 커밋하는 일반 파일입니다.
구성 파일은 여러 범위에서 검색됩니다. 동일한 항목이 둘 이상에 존재할 경우 우선순위가 높은 항목이 적용됩니다:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(가장 낮음) (가장 높음)<repo>/.deepcerebra/…, 프로젝트와 함께 커밋됩니다.~/.deepcerebra/…, 프로젝트 전반에 걸친 개인 기본값입니다.규칙은 에이전트의 시스템 프롬프트에 주입되는 영구적인 지침입니다. 코딩 표준, 아키텍처 규칙, 도메인 컨텍스트 등이 포함됩니다. 이들은 .deepcerebra/steering/ 아래의 Markdown 파일과 항상 활성화되는 AGENTS.md 표준으로 존재합니다. 프론트매터는 규칙이 언제 로드되는지를 제어합니다:
---
inclusion: fileMatch # always | fileMatch | auto | manual
globs: "src/**/*.ts" # 또는 fileMatchPattern
name: api-design
description: REST 규칙
---
# API 설계
- REST 리소스 명사를 복수형으로 사용합니다.always — 매 턴마다 (기본값).fileMatch — 컨텍스트 내 파일이 globs와 일치할 때만.auto — 요청이 규칙의 name/description과 일치할 때.manual — #name 또는 /name으로 참조할 때만.루트 AGENTS.md는 리포지토리 전체에 적용됩니다. 중첩된 AGENTS.md (예: services/api/AGENTS.md)는 해당 폴더 아래의 파일에만 적용됩니다. 웹 앱에서 에이전트 → 조종 보기에서는 각 규칙에 범위 선택기 (글로벌 / 프로젝트 / 팀)를 제공합니다.
스킬은 에이전트가 요청 시 로드하는 재사용 가능한 플레이북입니다. 각 스킬은 .deepcerebra/skills/ 아래에 SKILL.md가 있는 폴더입니다:
---
name: deploy-release
description: 버전이 지정된 릴리스를 생성하고 게시하는 방법.
disable-model-invocation: false # true => 수동 전용 (/skill)
---
# 릴리스 배포
1. 버전을 올리고, 빌드하고, 테스트합니다.
2. 태그를 지정하고 게시합니다.에이전트는 경량 카탈로그 (이름 + 설명)를 보고 관련성이 있을 때 load_skill 도구로 전체 본문을 가져옵니다. /skill <name>으로 명시적으로 호출할 수도 있습니다. 스킬을 수동 전용으로 만들려면 disable-model-invocation: true로 설정합니다.
훅은 라이프사이클 이벤트에 대한 자동화를 실행합니다. .deepcerebra/hooks/*.hook.json으로 정의합니다:
{
"title": "저장 시 포맷",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}이벤트에는 promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact 및 agentStop이 포함됩니다 (Cursor/Claude 철자도 허용됩니다). 액션은 shell (명령 실행) 또는 agentPrompt (에이전트에게 질문) 중 하나입니다. preToolUse 훅은 가로채는 도구 호출에 대해 허용, 거부 또는 요청할 수 있습니다.
서브에이전트는 사용자가 정의하고 위임하는 전문 에이전트입니다. 각 서브에이전트는 .deepcerebra/agents/ 아래에 프론트매터와 본문 (시스템 프롬프트)이 있는 Markdown 파일입니다:
---
name: security-reviewer
description: 보안 문제에 대한 차이점을 감사합니다; 읽기 전용.
model: gpt-5
readonly: true
tools: [read_file, grep_files, list_directory]
background: false
---
당신은 꼼꼼한 보안 검토자입니다…메인 에이전트는 task (블로킹), task_async + task_status / task_result (백그라운드) 또는 task_parallel (팬아웃)로 위임합니다.
플러그인은 규칙, 스킬, 훅, 서브에이전트 및 MCP 서버를 .deepcerebra/plugins/<name>/ 아래의 설치 가능한 단일 패키지로 묶으며, plugin.json 매니페스트로 설명됩니다:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme 규칙 + 스킬 + 검토 에이전트.",
"enabled": true
}플러그인 콘텐츠는 가장 낮은 우선순위로 병합되므로, 사용자 자신의 규칙과 기술이 항상 플러그인의 것을 재정의합니다.
플러그인을 비활성화하려면 "enabled": false 또는 .disabled 마커 파일을 사용하세요.
DCC_ORG_CONFIG_DIR을 공유 .deepcerebra 디렉터리로 지정하거나, 웹 앱에서 규칙을 팀 범위로 설정하여 공유 기본값을 게시할 수 있습니다.워크플로우 스튜디오는 다중 에이전트 자동화를 위한 시각적 디자이너입니다. 사용자는 단계 — 각 단계는 에이전트, 전문 단계 또는 제어 프리미티브입니다 — 를 그래프로 구성하고, 이들을 종속성으로 연결한 다음, 실시간 단계별 진행 상황, 예산 및 사람 승인 게이트와 함께 전체 오케스트레이션을 엔진에서 실행할 수 있습니다. 워크플로우는 내보내기, 가져오기, Git에서 버전 관리, API 또는 CLI에서 실행할 수 있는 휴대용 YAML/JSON 정의로 저장됩니다.
| 단계 종류 | 기능 |
|---|---|
agent | 첨부한 스킬과 도구를 사용하는 한 번의 에이전트 턴. |
spec.requirements / spec.design / spec.execute |
사양 우선 전달: 요구 사항 초안, 설계, 그 다음 작업으로 분할하여 실행 — 각 단계는 게이트 가능. |
documents.generate | 이전 단계 출력에서 세련된 문서를 생성합니다. |
fan_out | 많은 하위 주제에 걸쳐 병렬 광범위 연구 및 종합. |
map / loop / switch |
제어 프리미티브: 항목별 본문 실행, 조건 충족까지 반복, 또는 여러 케이스로 분기. |
verify / browser_verify |
샌드박스에서 테스트 또는 명령 실행; 브라우저 자동화로 실행 중인 UI 확인. |
orchestrate | 동적 라우팅: 오케스트레이터 에이전트가 요청을 읽고 이벤트를 통해 최적의 다운스트림 에이전트에게 디스패치합니다. |
external.agent | 등록된 타사 에이전트를 HTTP (A2A)를 통해 네이티브 단계처럼 호출합니다. |
eval | 상위 출력을 검사 (포함 / 정규식 / 길이 / LLM-판단)하여 점수를 매깁니다. 임계값 미만이면 실패합니다. |
db.provision | 소유 데이터 계층 생성: 데이터베이스용 docker-compose, 버전 관리된 SQL 마이그레이션, 시드 데이터, .env 템플릿 및 Mermaid ERD; 선택적 인증 스캐폴드; SQLite에 마이그레이션을 즉시 적용할 수 있습니다. |
ci.generate | lint → test → scan → build → deploy 및 환경 프로모션을 포함하는 커밋 준비된 CI/CD 파이프라인 (GitHub Actions, GitLab CI 또는 Azure Pipelines)을 생성합니다. |
deploy.package | 프로덕션 배포 자산 생성: 멀티스테이지 Dockerfile, docker-compose, Kubernetes 매니페스트, 또는 Helm 차트 — 사용자가 소유하고 커밋하는 파일. |
test.generate | 빌드된 앱에 대한 단위/API/E2E 스위트와 요구 사항-테스트 추적성 매트릭스를 생성합니다. |
test.verify | 테스트 스위트 (pytest, vitest, jest, Playwright)를 실행하고 통과율에 따라 실행을 게이트합니다. |
security.audit | 알려진 취약점에 대한 종속성을 스캔하고 하드코딩된 비밀에 대한 트리를 스캔합니다. 경고 이벤트를 게시하고 발견 보고서를 작성합니다. |
preview | 생성된 앱을 로컬에서 시작하고 preview.ready 이벤트를 통해 실행 패널 (링크 + 인라인 프레임)에 라이브 URL을 표시합니다. |
design.import | UI 디자인 이미지 (스크린샷, 목업, Figma 내보내기)를 다운스트림 단계를 위한 구조화된 구현 사양으로 변환합니다. |
모든 단계는 종류에 관계없이 워크스페이스 이벤트 버스에서 유형화된 이벤트를 게시하고 구독할 수 있으므로, 에이전트는 DAG를 통해서만 조정하는 것이 아니라 메시지 패브릭의 서비스처럼 조정됩니다:
lifecycle, agent, business, data, system, schedule, chat, external 또는 alert — 구독 및 재생에서 필터링 가능합니다.trigger (일치하는 이벤트가 도착하면 단계가 실행됩니다; 정지된 단계가 있는 실행은 수신 중으로 유지됩니다), gate (사람의 클릭 대신 이벤트에 의해 승인되는 기계 게이트), data (페이로드가 단계의 컨텍스트로 병합됩니다).agent.<stage-id>.request로 게시하여 시작할 수 있습니다.triggers: 블록은 스튜디오가 닫혀 있는 동안에도 인바운드 웹훅, cron 스케줄, 이벤트 또는 채팅에서 시작하도록 준비시킵니다.이벤트에 반응하는 에이전트는 영구적인 이름 지정 큐를 선언하여 에이전트가 바쁘거나 실행이 수신 대기하기 전에 일치하는 이벤트가 손실되지 않도록 할 수 있습니다. 트리거 구독 시, queue: <name>을(를) 설정하면 엔진은 해당 토픽을 작업 공간 이벤트 버스의 선입선출(FIFO) 큐에 바인딩합니다 (.deepcerebra/workflows/events/queues/ 아래에 영구 저장됨). 그 시점부터 게시되는 모든 일치하는 이벤트는 큐에 캡처됩니다. 스테이지가 실행 가능해지면 엔진은 이벤트를 가장 오래된 것부터 순서로 하나씩 꺼내 소비합니다.
count — 구독이 충족되기 전에 N개의 큐에 추가된 (또는 전달된) 이벤트가 필요합니다(여러 작업자가 보고해야 할 때 유용).GET /api/workflow/queues 깊이 및 바인딩을 나열합니다;
GET /api/workflow/queues/{name} 보류 중인 이벤트를 엿봅니다; 채팅 에이전트는 호출할 수 있습니다
event_queue_status 및 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_id세마포어는 공유(보호된) 리소스(예: 데이터베이스 쓰기, 전역 변수 저장소, 파일 또는 속도 제한이 있는 외부 에이전트)에서 동시에 작동할 수 있는 작업 수를 제한합니다. 어떤 스테이지든 semaphore:를 사용하여 연결합니다. 스테이지 작업이 실행되기 전에 엔진은 명명된 작업 공간 세마포어의 허가증 하나를 획득합니다. 허가증은 스테이지가 실패하더라도 나중에 항상 해제됩니다. permits: 1는 이를 뮤텍스로 만듭니다. 즉, 한 번에 하나의 작업(작업 공간의 모든 병렬 실행에서)만 중요한 단계를 실행하며, 다른 모든 작업은 보유자가 완료될 때까지 기다립니다.
timeout_s까지 차단됩니다. 리소스가 용량에 도달한 상태로 유지되면 스테이지는 영원히 중단되는 대신 명확하게 실패합니다.ttl_s가 있습니다. 보유자가 해제하지 않고 충돌하면 허가증이 자동으로 만료되어 리소스가 교착 상태에 빠지지 않습니다.semaphore.<name>.waiting, .acquired, 및 .released 시스템 이벤트를 내보냅니다. GET /api/workflow/semaphores는 용량, 보유자 및 사용 가능한 허가증을 보여줍니다.acquire_semaphore, release_semaphore, 및 semaphore_status 도구는 워크플로 외부에서 임시적인 중요 섹션을 조정합니다.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 minutes랑데부는 여러 이벤트 조건이 모두 충족될 때까지 다음 단계가 진행되지 않고 기다립니다 — "첫 번째 이벤트 승리"와는 반대입니다. 스테이지의 events: 블록에 join: all을 설정하십시오: 스테이지가 실행되기 전에 모든 트리거 구독이 충족되어야 합니다. 여러 에이전트(또는 한 에이전트의 여러 보고서)가 모두 체크인해야 할 때, 예를 들어 릴리스 스테이지가 실행되기 전에 설계 승인, 테스트 완료, 보안 승인 등이 필요한 경우, 구독별 count: N과 결합하여 사용하십시오.
join: any (기본값) — 첫 번째 트리거 구독이 충족되면 스테이지가 실행됩니다.join: all — 랑데부: 각 트리거 구독(각각 고유한 토픽, 클래스 필터 및 선택적 count)이 충족되어야 합니다. 그래야만 스테이지가 실행 가능해집니다.trigger_events로 기록되고 템플릿에 inputs.events(페이로드가 있는 이벤트 객체 목록)로 노출됩니다.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: 1단계는 채팅 에이전트가 사용하는 것과 동일한 레지스트리에서 도구를 선택합니다:
create_database, apply_migrations 및 dump_schema.docker_build / docker_push, compose up/down, SSH 및 클라우드 CLI 배포 (Fly, Render, Railway, Vercel), 시뮬레이션 안전.Class.method로 명명)./v1 API는 CI 및 통합을 위한 실행, 이벤트, 트리거, 템플릿 및 생성을 노출합니다.db.provision → 구현 → 생성된 테스트 → 보안 감사 → 배포 패키징 → CI 생성을 패키징 전 사람 게이트와 함께 연결합니다. 몇 분 안에 조정할 수 있는 완전한 브리핑-생산 경로입니다.예측 탭 완성은 편집기에서 입력할 때 인라인, 중간 채우기 코드 제안을 제공합니다. Tab 키로 제안을 수락합니다. 엔진과 웹 편집기 모두에서 선택 사항입니다.
DCC_TAB_COMPLETE=1을 설정합니다. 편집기는 엔진의 POST /api/complete 엔드포인트를 호출하며, 이는 커서에 삽입할 텍스트만 반환합니다.VITE_TAB_COMPLETE=1로 활성화하거나, 런타임 시 localStorage.setItem('dcc.tabComplete', '1')로 활성화합니다 (그 후 새로 고침).사이드바에서 청구를 열어 요금제와 사용량을 관리합니다. AI 사용량은 기본 모델이 소비하는 토큰을 기준으로 미국 달러 크레딧으로 측정됩니다.
| 요금제 | 월별 가격 | 포함된 월별 AI 사용량 |
|---|---|---|
| Basic | $20 | $10 |
| Pro | $75 | $30 |
| Ultimate | $200 | $150 |
게이트웨이 API 키 (개인 액세스 토큰)를 사용하면 DeepCerebra 공개 API 및 CLI를 프로그래밍 방식으로 사용할 수 있습니다.
read, chat, code, agent —를 선택하고 선택 사항인 일 단위 만료를 선택합니다 (공백 = 만료 없음).CLI 또는 deepcerebra.ai의 API와 함께 사용하세요:
dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>
# 또는 베어러 토큰으로
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...언제든지 키를 이름 변경하거나 삭제 (해지)할 수 있습니다. 각 키는 접두사, 스코프, 생성/만료일 및 마지막 사용 날짜를 표시합니다.
Chrome, Edge 또는 Brave로 전환하거나 대신 Git에서 열기를 사용하세요.
중지를 클릭한 다음, 구체적인 힌트나 제약 조건을 사용하여 다시 표현하세요.
dcc-bridge 커넥터가 실행 중이고 장치가 온라인으로 표시되는지 확인하세요.1234)가 활성화되어 있는지 확인하세요.--gateway로 브라우저에서 사용하는 것과 동일한 도메인을 사용하세요 (wss://deepcerebra.ai 또는 wss://deepcerebra.io) — 두 사이트는 별도의 배포이며, 한 사이트의 토큰은 다른 사이트에서 작동하지 않습니다.통합을 사용하여 풀 리퀘스트를 열기 전에 작업 브랜치를 열거나 생성하세요.
여전히 문제가 해결되지 않으셨나요? support@deepcerebra.ai로 문의하세요.
Discovery는 사용자의 데이터베이스 및 문서를 위한 조사 챗봇입니다.
단일 쿼리로 답변하는 대신, 분석가처럼 작동합니다. 가설을 세우고,
일련의 보호된 탐색(SQL, 그래프, 문서 검색, 스키마 확인, 웹 검증)을 실행하며, 증거가
반박하는 설명을 제거하고, 차트와 투명한 비용 영수증을 포함한 근거 있는 답변을 종합합니다.
활동 레일의 나침반 아이콘(/app/discovery)에서 열 수 있습니다.
스페이스는 질문에 필요한 모든 것, 즉 데이터베이스 연결, 문서 컬렉션, 분석가 지침, 예산을 묶습니다. + 새 스페이스를 사용하여 스페이스를 생성한 다음, 오른쪽에 있는 설정 패널을 사용하여 다음을 수행합니다.
동료에게 질문하듯이 질문을 입력하세요. 예를 들어 "3월에 MRI 스캔량이 왜 감소했나요?"와 같이요. 조사 보드는 전체 프로세스를 실시간으로 스트리밍합니다.
후속 질문은 동일한 스레드를 이어가므로, 분석가는 컨텍스트를 유지합니다.
차트는 조사 보드에 인라인으로 렌더링됩니다. 내보내기를 사용하여 전체 질문(답변, 가설, 증거, 차트)을 네온 디자인 시스템으로 스타일링된 독립형 HTML 보고서 또는 인쇄 품질 PDF로 다운로드할 수 있습니다.
각 스페이스에는 질문당 예산이 있습니다: 최대 탐색 수, 조사 라운드, 시간(초), USD. 엔진은 한도에 도달하면 깔끔하게 중지하고 지금까지 찾은 내용을 보고합니다. 모든 탐색의 비용은 영수증에 항목별로 기재되므로, 지출이 어디에 사용되었는지 항상 알 수 있습니다.
discovery 스코프를 가진 PAT(계정 → API 토큰에서 생성)를 통해 /v1/discovery/*에서 사용할 수 있습니다.
스트리밍 질문은 SSE를 사용합니다. 외부 실행기는 Thinking API(/v1/think/*, 스코프 think)를 통해 조사 계획만 빌릴 수 있습니다.pip install deepcerebra-discovery, then
DiscoveryClient(base_url, token).ask(space_id, question).discovery.ask)를 모든 워크플로에 드롭하여 조사를 파이프라인 단계로 실행할 수 있습니다. 답변, 차트 및 영수증은 다운스트림 단계로 전달됩니다.discovery_ask 및
discovery_list_spaces를 MCP 도구로 노출하므로, 외부 MCP 클라이언트도 조사를 실행할 수 있습니다.