DeepCerebra Coder — це агентний помічник з кодування. На відміну від простого автодоповнення, він планує, пише, рефакторить, виконує команди, викликає інструменти та ітерує по всьому вашому проєкту — а ви переглядаєте та затверджуєте запропоновані ним зміни.
| Видання | Найкраще для | Доступ до файлів |
|---|---|---|
| Веб-додаток | Без встановлення, робота з будь-якої машини | Конфіденційне сховище в браузері (та репозиторії Git) |
| Десктоп (Windows / Linux / macOS) | Розробка з пріоритетом локальних ресурсів, локальні моделі | Прямий доступ до локальної файлової системи |
| CLI та API | Скриптинг, CI/CD, автоматизація | Локальні файли / програмний доступ |
Цей посібник зосереджений на веб-додатку за адресою deepcerebra.ai; десктопний додаток віддзеркалює ті ж панелі та робочі процеси.
Використовуйте актуальну версію Chrome, Edge або Brave для повноцінного досвіду — відкриття локальної папки покладається на Chromium File System Access API. Firefox та Safari працюють для чату та для проєктів, що підтримуються Git, але не можуть відкривати локальну папку безпосередньо.
/register?plan=basic (або pro / ultimate), або почати зараз і вибрати план
пізніше в розділі Виставлення рахунків.Після входу ви потрапляєте на робочий стіл, де всі панелі розташовані на одному екрані:
Перетягніть роздільник між редактором та чатом, щоб перебалансувати макет, і перетягніть горизонтальний роздільник, щоб змінити розмір терміналу. Ліва бічна панель також дозволяє перейти до Робочого простору, Розширень, Ключів API, Виставлення рахунків та Зворотного зв'язку.
repo (класичний) або деталізований токен з Contents + Pull requests; для
GitLab використовуйте область дії api. Ваш токен зберігається на сервері — лише вміст файлів завантажується
в браузер.owner/name (відфільтруйте список, щоб знайти свій), потім виберіть
гілку.dcc/my-feature), щоб зберегти вашу
роботу ізольованою від гілки за замовчуванням.Історія чату прив'язана до відкритого проєкту. Перемикання папок автоматично починає нову сесію та завантажує попередні сесії цієї папки, відкриваючи найновішу, щоб ви могли продовжити з того місця, де зупинилися.
Папки, які DeepCerebra використовує внутрішньо — .deepcerebra, .sessions — з'являються в дереві,
але за замовчуванням згорнуті, щоб не захаращувати ваш вихідний код.
Опишіть, що ви хочете, простою мовою — поставте запитання, запитайте функцію або вкажіть на помилку. Будьте конкретними щодо файлів, фреймворків та обмежень, щоб отримати найкращий результат. Додайте відповідні файли, перетягнувши їх у поле введення.
Відповіді організовані як у Cursor: міркування агента відокремлені від результату. Кожен блок відповіді має іконку копіювання у верхньому правому куті, щоб ви могли скопіювати готовий звіт, документ або команду, яку ви маєте виконати.
lxml замість html.parser"), щоб вивести агента з
циклу.@deepcerebra, а префікси на кшталт [deep] запитують глибші міркування.Виберіть режим із селектора режимів поруч із полем введення. Кожен налаштовує, наскільки агент планує та наскільки вільно він редагує:
| Режим | Що він робить | Використовувати, коли… |
|---|---|---|
| Agent | Планує та редагує ваш проєкт автономно | Ви хочете, щоб помічник реалізував зміну від початку до кінця |
| Ask | Відповідає на запитання про ваш код без редагування | Ви хочете зрозуміти кодову базу |
| Plan | Розробляє підхід перед будь-яким редагуванням | Завдання велике або має компроміси, які потрібно спочатку вирішити |
| Edit | Виконує цілеспрямовані редагування в поточному контексті | Ви хочете невелику, цільову зміну |
Коли агент пропонує зміни у файлах, над полем введення чату з'являється панель Запропоновані зміни, що перераховує кожен змінений файл із кількістю доданих (+) та видалених (−) рядків.
applied (і · disk, коли записані в реальну папку).Перемикайте термінал під редактором, щоб запускати збірки, тести та скрипти. З вашого дозволу агент може виконувати команди та читати їхній вивід, щоб перевірити свою роботу; довготривалі команди передають вивід потоком, щоб ви могли спостерігати за прогресом. Закрийте термінал із його заголовка, коли він вам не потрібен.
Для більших цілей використовуйте режим Планування (або попросіть агента спочатку спланувати). Планувальник сканує ваш проєкт, розкладає ціль на завдання, що враховують залежності, та призначає кожне відповідному спеціалісту (архітектору, кодеру, тестувальнику, документознавцю).
Відкрийте вибір моделі поруч із полем введення. Опції згруповані як:
У режимі Auto DeepCerebra використовує багаторівневу адаптивну маршрутизацію: прості завдання надсилаються швидкій, економічній моделі, тоді як складна або інтенсивна робота з планування (наприклад, режим Plan) маршрутизується до сильнішої моделі. Це автоматично балансує вартість та якість, тому вам рідко потрібно вибирати вручну.
Ви можете маршрутизувати запити через власний обліковий запис провайдера замість тарифікованого використання платформи.
ANTHROPIC_API_KEY,
GOOGLE_API_KEY, OPENAI_API_KEY).Моделі платформи (DeepCerebra) не потребують ключа. Видаліть ключ у будь-який час за допомогою Remove.
DCC Bridge підключає ваш власний комп'ютер до веб-додатку через невеликий
конектор dcc-bridge, розблоковуючи дві можливості одночасно:
Конектор здійснює вихідне з'єднання out через автентифікований WebSocket — вхідні порти не потрібні, і він працює за NAT та брандмауерами. Він працює на Windows, macOS та Linux (Python 3.10+).
dcc_brg_…)
та готову до вставки команду конектора — токен відображається лише один раз.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 або wss://deepcerebra.io) — картка з'єднання попередньо заповнює
правильний. Два сайти є окремими розгортаннями з окремими обліковими записами та токенами.1234) із завантаженою моделлю.За замовчуванням команди обмежені спеціальною папкою робочого простору (~/DeepCerebra). Щоб працювати у
ваших реальних папках проєкту з попередньо налаштованими CLI, надайте їм явний дозвіл під час запуску конектора:
# 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-dirПотім відкрийте панель Terminal, натисніть спливаюче вікно Execution target (іконка ноутбука), виберіть My computer та вкажіть робочий каталог. Обидві ваші введені команди та команди збірки/тестування агента потім виконуються на вашій машині.
--no-exec робить пристрій лише для висновків (моделі GPU, без команд).При відкритому проєкті, що підтримується Git, у Провіднику з'являється панель гілок, що показує вашу поточну гілку та дві дії:
main). Ви повинні бути на робочій гілці, а не на гілці за замовчуванням.Якщо push webhook увімкнено, Провідник автоматично оновлюється, коли товариші по команді роблять push, підтримуючи синхронізацію всіх — це основа для спільної командної розробки через DeepCerebra.
Розширте агента зовнішніми інструментами та даними за допомогою Model Context Protocol. Налаштуйте
сервери у файлі .deepcerebra/mcp.json, наприклад:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}Увімкнені інструменти MCP стають доступними для агента автоматично, коли вони відповідають вашому запиту. Локальні
(stdio) та віддалені (http/sse) сервери підтримуються.
allowlist, лише ці інструменти можуть працювати.autoApprove.Якщо сервер надає MCP ресурси або шаблони підказок, агент
автоматично отримує інструменти для їх використання (mcp_list_resources, mcp_read_resource,
mcp_list_prompts, mcp_get_prompt).
Додайте блок auth до віддаленого сервера. Секрети підтримують інтерполяцію ${ENV_VAR}:
// Static bearer token (literal or from env)
"auth": { "type": "bearer", "token": "${GITHUB_TOKEN}" }
"auth": { "type": "bearer", "tokenEnv": "GITHUB_TOKEN" }
// Custom header (e.g. API key)
"auth": { "type": "header", "header": "x-api-key", "value": "${MY_KEY}" }
// OAuth 2.0 client-credentials
"auth": {
"type": "oauth", "grant": "client_credentials",
"tokenUrl": "https://auth.example.com/oauth/token",
"clientId": "${MCP_CLIENT_ID}", "clientSecret": "${MCP_CLIENT_SECRET}",
"scope": "mcp.read mcp.write"
}Ви можете формувати те, як агент мислить і діє, за допомогою єдиної, файлової конвенції — каталогу
.deepcerebra/ — яка працює ідентично в десктопному додатку,
веб-додатку та API. У веб-додатку керуйте всім цим у розділі
Agent; на десктопі та через API це звичайні файли, які ви комітите разом зі своїм проєктом.
Конфігурація виявляється з кількох областей; коли один і той же елемент існує в більш ніж одній, перемагає той, що має вищий пріоритет:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(найнижчий) (найвищий)<repo>/.deepcerebra/…, зафіксований у проєкті.~/.deepcerebra/…, ваші особисті налаштування за замовчуванням для всіх проєктів.Правила — це постійні інструкції — стандарти кодування, архітектурні конвенції, контекст домену — що вводяться в
системний запит агента. Вони зберігаються як файли Markdown у каталозі .deepcerebra/steering/, а також
завжди активний стандарт AGENTS.md. Frontmatter контролює, коли правило завантажується:
---
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 — кожен хід (за замовчуванням).fileMatch — лише коли файл у контексті відповідає globs.auto — коли ваш запит відповідає name/description правила.manual — лише коли ви посилаєтеся на нього як #name або /name.Кореневий AGENTS.md застосовується до всього репозиторію; вкладений AGENTS.md (наприклад,
services/api/AGENTS.md) застосовується лише до файлів у цій папці. У веб-додатку
Агент → Керування подання надає кожному правилу Область вибору
(Глобальна / Проєкт / Команда).
Навички — це багаторазові сценарії, які агент завантажує за вимогою. Кожна навичка — це папка з файлом
SKILL.md у каталозі .deepcerebra/skills/:
---
name: deploy-release
description: How to cut and publish a versioned release.
disable-model-invocation: false # true => manual-only (/skill)
---
# Deploy a release
1. Bump the version, build, and test.
2. Tag and publish.Агент бачить легкий каталог (name + description) і завантажує повний текст за допомогою інструменту
load_skill, коли це доречно. Ви також можете викликати його явно за допомогою
/skill <name>. Встановіть disable-model-invocation: true, щоб зробити навичку лише ручною.
Хуки запускають автоматизацію на подіях життєвого циклу. Визначте їх як .deepcerebra/hooks/*.hook.json:
{
"title": "Format on save",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}Події включають promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact та agentStop
(також приймаються написання Cursor/Claude). Дія може бути shell (виконати команду) або
agentPrompt (запитати агента). Хук preToolUse може allow,
deny або ask для виклику інструменту, який він перехоплює.
Субагенти — це спеціалізовані агенти, яких ви визначаєте та яким делегуєте завдання. Кожен є файлом Markdown у каталозі
.deepcerebra/agents/ з метаданими (frontmatter) плюс тілом (його системним запитом):
---
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
---
You are a meticulous security reviewer…Основний агент делегує завдання за допомогою task (блокування), task_async +
task_status / task_result (фоновий режим) або task_parallel (розпаралелювання).
Плагін об'єднує правила, навички, хуки, субагенти та MCP сервери в один інсталяційний пакет у каталозі
.deepcerebra/plugins/<name>/, описаний маніфестом plugin.json:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme rules + skills + review agents.",
"enabled": true
}Вміст плагіна об'єднується з найнижчим пріоритетом, тому ваші власні правила та навички завжди перевизначають правила плагіна.
Вимкніть плагін за допомогою "enabled": false або файлу-маркера .disabled.
DCC_ORG_CONFIG_DIR на спільний каталог .deepcerebra, або встановлюючи правила для
області дії Team у веб-додатку.Workflow Studio — це візуальний дизайнер для багатоагентної автоматизації. Ви компонуєте етапи — кожен з яких є агентом, спеціалізованим кроком або примітивом керування — у граф, з'єднуєте їх із залежностями та запускаєте всю оркестрацію на рушії з живим прогресом для кожного етапу, бюджетами та шлюзами для схвалення людиною. Робочі процеси зберігаються як портативне визначення YAML/JSON, яке можна експортувати, імпортувати, версіонувати в Git та запускати з API або CLI.
| Тип етапу | Що він робить |
|---|---|
agent | Один хід агента з навичками та інструментами, які ви прикріплюєте. |
spec.requirements / spec.design / spec.execute |
Доставка за специфікацією: розробка вимог, дизайн, потім розбиття на завдання та виконання — кожен з яких може бути шлюзованим. |
documents.generate | Створення відшліфованого документа з вихідних даних попереднього етапу. |
fan_out | Паралельне широке дослідження багатьох підтем із синтезом. |
map / loop / switch |
Примітиви керування: виконати тіло для кожного елемента, повторювати до виконання умови або розгалужуватися за випадками. |
verify / browser_verify |
Запуск тестів або команд у пісочниці; перевірка запущеного UI за допомогою автоматизації браузера. |
orchestrate | Динамічна маршрутизація: агент-оркестратор читає запит і відправляє його найкращому наступному агенту(ам) через події. |
external.agent | Виклик зареєстрованого стороннього агента через HTTP (A2A), ніби це нативний етап. |
eval | Оцінка вихідних даних попереднього етапу за перевірками (contains / regex / length / LLM-judge); збій нижче порогового значення. |
db.provision | Генерація власного шару даних: docker-compose для бази даних,
версіоновані SQL міграції, початкові дані, шаблон .env та Mermaid ERD; необов'язковий каркас автентифікації;
може негайно застосовувати міграції до SQLite. |
ci.generate | Генерація готового до коміту CI/CD конвеєра (GitHub Actions, GitLab CI, або Azure Pipelines) з lint → test → scan → build → deploy та просуванням середовища. |
deploy.package | Згенеруйте ресурси для розгортання у виробничому середовищі: багатоетапний Dockerfile, docker-compose, маніфести Kubernetes або діаграму Helm — файли, якими ви володієте та які фіксуєте. |
test.generate | Генерація наборів unit / API / E2E для створеного додатка плюс матриця відстеження вимог до тестів. |
test.verify | Виконання набору тестів (pytest, vitest, jest, Playwright) та шлюзування виконання за його показником проходження. |
security.audit | Сканування залежностей на відомі вразливості та дерева на жорстко закодовані секрети; публікує події сповіщень та створює звіт про виявлені проблеми. |
preview | Запуск згенерованого додатка локально та відображення його живого URL на панелі запуску
(посилання + вбудований фрейм) через подію preview.ready. |
design.import | Перетворення зображення UI дизайну (скріншот, макет, експорт Figma) на структуровану специфікацію реалізації для наступних етапів. |
Кожен етап — незалежно від типу — може публікувати та підписуватися на типізовані події в шині подій робочої області, щоб агенти координувалися як служби на основі обміну повідомленнями, а не лише через DAG:
lifecycle, agent,
business, data, system, schedule, chat,
external або alert — фільтруються в підписках та відтворенні.trigger (етап запускається, коли надходить відповідна подія;
запуск із припаркованими етапами залишається резидентним як listening), gate (машинний шлюз, затверджений
подією замість людського кліка), та data (корисне навантаження об'єднується в контекст етапу).agent.<stage-id>.request.triggers: робочого процесу озброює його для запуску на вхідних
webhooks, cron schedules, events або чаті — навіть коли
Studio закрито.Агенти, що реагують на події, можуть оголосити стійку іменовану чергу, щоб відповідні події ніколи не
були втрачені, поки агент зайнятий або до того, як запуск почне прослуховувати. При підписці на тригер встановіть
queue: <name> — рушій прив'язує цю тему до черги FIFO на шині подій робочого простору
(зберігається в .deepcerebra/workflows/events/queues/). Кожна відповідна подія, опублікована з цього
моменту, захоплюється в чергу; коли етап стає придатним для запуску, рушій витягує події в порядку
від найстаріших до найновіших та споживає їх по одній.
count для кожної підписки — вимагайте N подій у черзі (або доставлених)
до того, як підписка буде задоволена (корисно, коли кілька працівників повинні відзвітувати).GET /api/workflow/queues перераховує глибину та прив'язки;
GET /api/workflow/queues/{name} переглядає очікувані події; агенти чату можуть викликати
event_queue_status та 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_idСемафор обмежує кількість завдань, які можуть одночасно працювати зі спільним (захищеним) ресурсом:
базою даних, що записується, глобальним сховищем змінних, файлом або зовнішнім агентом з обмеженою швидкістю. Прикріпіть його до будь-якого
етапу за допомогою semaphore: — перед виконанням роботи етапу рушій отримує один дозвіл іменованого
семафора робочого простору; дозвіл завжди звільняється після цього, навіть якщо етап завершується невдачею.
permits: 1 робить його м'ютексом: лише одне завдання одночасно (серед усіх паралельних запусків у
робочому просторі) виконує критичний крок; кожне інше завдання чекає, поки власник завершить роботу.
timeout_s для отримання дозволу; якщо
ресурс залишається на повній потужності, етап завершується невдачею замість того, щоб зависати назавжди.ttl_s; якщо власник збивається без
звільнення, дозвіл автоматично закінчується, тому ресурс ніколи не буде заблокований.semaphore.<name>.waiting,
.acquired та .released; GET /api/workflow/semaphores
показує ємність, власників та доступні дозволи.acquire_semaphore, release_semaphore та
semaphore_status координують спеціальні критичні секції поза робочим процесом.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 minutesРандеву чекає, доки кілька умов події будуть виконані, перш ніж перейде до наступного кроку — протилежність принципу "перша подія виграє". Встановіть join: all у блоці events: етапу: кожна підписка на тригер має бути задоволена, перш ніж етап запуститься. Поєднуйте з count: N для кожної підписки, коли кілька агентів (або кілька звітів від одного агента) мають зареєструватися — наприклад, затвердження дизайну, завершення тестування та схвалення безпеки, перш ніж виконається етап випуску.
join: any (за замовчуванням) — етап запускається, коли задовольняється перша підписка на тригер.join: all — рандеву: кожна підписка на тригер (кожна зі своєю темою,
фільтром класу та необов'язковим count) повинна бути задоволена; лише тоді етап стає придатним для запуску.trigger_events
та надаються шаблонам як inputs.events (список об'єктів подій з корисними навантаженнями).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: 1Етапи вибирають інструменти з того ж реєстру, який використовує агент чату:
create_database, apply_migrations та dump_schema для власних шарів даних.docker_build / docker_push, compose up/down, SSH та
розгортання cloud-CLI (Fly, Render, Railway, Vercel), також безпечні для симуляції.Class.method) у математиці, обробці сигналів, керуванні, статистиці тощо./v1 надає доступ до запусків, подій, тригерів, шаблонів та генерації для CI та інтеграцій.db.provision → реалізацію → згенеровані тести → аудит безпеки → пакування для розгортання →
генерацію CI, з людським шлюзом перед пакуванням — повний шлях від брифа до продакшену, який ви можете адаптувати за
хвилини.Предиктивне автодоповнення за допомогою Tab пропонує вбудовані підказки коду "заповни пропуски", коли ви друкуєте в редакторі — прийміть підказку за допомогою Tab. Воно є опціональним як для рушія, так і для веб-редактора.
DCC_TAB_COMPLETE=1. Редактор викликає
кінцеву точку POST /api/complete рушія, яка повертає лише текст для вставки в позицію курсора.VITE_TAB_COMPLETE=1, або під час виконання за допомогою
localStorage.setItem('dcc.tabComplete', '1') (потім перезавантажте).Відкрийте Billing з бічної панелі, щоб керувати своїм планом та використанням. Використання ШІ тарифікується в кредитах доларів США на основі токенів, спожитих базовими моделями.
| План | Місячна ціна | Включене місячне використання ШІ |
|---|---|---|
| Basic | $20 | $10 |
| Pro | $75 | $30 |
| Ultimate | $200 | $150 |
Ключ API шлюзу (особистий токен доступу) дозволяє програмно використовувати публічний API DeepCerebra та CLI.
read, chat, code, agent
— та необов'язковий термін дії в днях (порожнє = ніколи).Використовуйте його з CLI або API за адресою deepcerebra.ai:
dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>
# or as a Bearer token
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...Ви можете перейменувати або видалити (відкликати) ключ у будь-який час; кожен ключ показує свій префікс, області дії, дату створення/закінчення терміну дії та дату останнього використання.
Перейдіть на Chrome, Edge або Brave, або скористайтеся Open from Git.
Натисніть Stop, потім перефразуйте з конкретною підказкою або обмеженням.
dcc-bridge запущено, а пристрій показує статус online.1234) із
завантаженою моделлю.--gateway
(wss://deepcerebra.ai або wss://deepcerebra.io) — два сайти є окремими
розгортаннями, і токен з одного ніколи не працює на іншому.Відкрийте або створіть робочу гілку перед використанням Integrate для відкриття pull request.
Все ще є проблеми? Зверніться до support@deepcerebra.ai.
Discovery — це дослідницький чат-бот для ваших баз даних і документів.
Замість того, щоб відповідати одним запитом, він працює як аналітик: формує гіпотези,
проводить серію контрольованих досліджень (SQL, граф, пошук документів, перевірки схем, веб-підтвердження), відсікає
пояснення, які спростовуються доказами, і синтезує обґрунтовану відповідь — з діаграмами та
прозорим звітом про витрати. Відкрийте його за допомогою іконки компаса на панелі активності
(/app/discovery).
Простір об'єднує все, що потрібно для одного напрямку запитів: підключення до баз даних, колекції документів, інструкції для аналітика та бюджети. Створіть його за допомогою + Новий простір, а потім скористайтеся панеллю налаштувань праворуч, щоб:
Введіть запитання так, як ви б запитали колегу — наприклад "Why did MRI scan volume dip in March?". Дошка розслідування транслює весь процес у реальному часі:
Наступні запитання продовжують ту саму нитку, тому аналітик зберігає свій контекст.
Діаграми відображаються вбудовано на дошці розслідування. Використовуйте Експорт, щоб завантажити повний запит — відповідь, гіпотези, докази та діаграми — як самостійний HTML-звіт або PDF друкованої якості, оформлений за допомогою неонової системи дизайну.
Кожен простір має бюджети на запит: максимальну кількість досліджень, раундів розслідування, секунд та доларів США. Рушій чисто зупиняється на ліміті та повідомляє про те, що він знайшов до цього моменту. Вартість кожного дослідження детально вказана у квитанції, тому ви завжди знаєте, куди пішли витрати.
/v1/discovery/* з PAT, що має область дії discovery (створіть його в розділі
Обліковий запис → Токени API). Потокові запити використовують SSE. Зовнішні виконавці можуть
запозичувати лише планування розслідування через Thinking API (/v1/think/*, область дії
think).pip install deepcerebra-discovery, потім
DiscoveryClient(base_url, token).ask(space_id, question).discovery.ask)
у будь-який робочий процес, щоб запустити розслідування як крок конвеєра; відповідь, діаграми та квитанція
передаються на наступні етапи.discovery_ask та discovery_list_spaces як
інструменти MCP, тому зовнішні клієнти MCP також можуть проводити розслідування.