前言¶

在 DeepSeek Harness（DSH）里给智能体接联网能力，常见做法是直接挂模型自带搜索，或再包一层搜索 API。前者返回的多是拼好的长文本，后者往往绑死单一引擎、结果形态也不适合 Agent 二次处理：链接清单占上下文、垂直问题（行情、化学式、影视信息）还得再泛搜一轮。

Argo（taxueseek/argo）的定位不同：它是专门为 Agent 设计的多语言搜索基础设施，按领域和语言选路，把查询送到合适的源，产出精简 JSON（证据候选 + 可信度分解），而不是给人看的总结页。下面介绍它的能力、安装方式和典型用法。

这是什么¶

Argo 由 taxueseek 维护，在 SkillHub 分类为「联网工具」，GitHub 约 108 stars、7 forks。当前版本 v2.8.3，许可证 MIT，需要 Python 3.10+；通过 MCP 挂载时还需要 Node.js 18+。

一句话概括：Argo 把搜索当成一条证据管线——语言检测 → 领域路由 → 多引擎召回 → RRF 融合 → 证据快评，最终交付 Agent 可直接排序、可 fetch 复核、不撑爆上下文的材料。联网搜索与本机文件搜索一体可用，覆盖中文、英文、学术、代码、购物、金融、新闻、百科等场景，目前约 120+ 引擎、60+ 业务域，对外提供 10 个 MCP 工具。

核心功能¶

领域路由与垂直源¶

Argo 不会对所有问题一律泛搜网页。按查询内容自动分流到对应域，优先从垂直源拿答案型结果。README 中列举的路由示例如下：

证据评分与 JSON 产出¶

结果不是链接清单，而是带可信度分解的结构化 JSON，主要评分维度包括：

• selection：域名权威，SERP/跳转链压到很低
• absorption：数字、定义、对比、披露等证据密度
• freshness：发布时间
• 共识：多源一致性

综合分约为 0.40·selection + 0.35·absorption + 0.15·freshness + 0.10·引擎分。结果字段含 selection、absorption、credibility_fast、evidence_flags 等，方便 Agent 直接排序。

缓存与成本控制¶

双层缓存（内存 + SQLite），热查询约 10ms 级返回。支持预算模式，免费引擎优先，API Key 全可选；不配 Key 时走免费引擎 + 本地 local_* 引擎。

深度研究¶

可把笼统问题拆成多个子问题，多源并行采集，并提示还缺什么证据，适合综述、调研类任务。DSH 子包还提供 wide_research 并行研究编排（见下文装法 B）。

与常见方案的区别¶

安装与启用¶

以 GitHub 为唯一安装真源（npx github:taxueseek/argo 或 install.sh）。请勿使用 npm install argo-search——npm registry 上那份是非官方陈旧版 v1.0.1，非本仓库维护。

在 DeepSeek Harness 中安装¶

任选一种装法，安装后重启 dsh web 生效。

装法 A：仅 10 个 mcp__argo__* 搜索工具（主包自带 bundle）：

dsh plugin --profile web add "github:taxueseek/argo"

装法 B：搜索工具 + wide_research 并行研究编排（子包）：

dsh plugin --profile web add "github:taxueseek/argo#main&path:packages/dsh-plugin"

装法 B 的 wide_research 模块只存在于子包依赖树；同 id mcp-argo / wide-research 可在用户层 cordis.patch.yml 覆盖。

其他接入方式¶

MCP 快速挂载（适合 Cursor、Claude Code、Kimi 等），首次需安装 PyYAML：

pip3 install pyyaml

npx -y github:taxueseek/argo

客户端 MCP 配置示例：

{
  "mcpServers": {
    "argo": {
      "command": "npx",
      "args": ["-y", "github:taxueseek/argo"]
    }
  }
}

本机长期安装（推荐脚本方式）：

curl -fsSL https://raw.githubusercontent.com/taxueseek/argo/main/scripts/install.sh | bash

指定目录并挂 Skill 入口：

curl -fsSL https://raw.githubusercontent.com/taxueseek/argo/main/scripts/install.sh \
  | bash -s -- --home "$HOME/.local/share/argo" --link "$HOME/.claude/skills/argo"

更稳、完全不依赖 Node 的 MCP 写法：先装脚本，再指向本机 Python：

{
  "mcpServers": {
    "argo": {
      "command": "python3",
      "args": ["/path/to/argo/scripts/mcp_server.py"]
    }
  }
}

依赖说明¶

安装脚本只自动装 PyYAML 和 curl_cffi；其余按需安装。

安装后自检¶

python3 --version          # 需要 3.10+
python3 -c "import yaml; print('PyYAML OK')"
python3 scripts/search.py --list-engines

典型用法¶

命令行搜索¶

安装脚本方式完成后，可直接用 search.py 验证：

python3 ~/.local/share/argo/scripts/search.py "贵州茅台股价" --json
python3 ~/.local/share/argo/scripts/search.py --list-engines

MCP 工具调用¶

挂载 MCP 后，Agent 可通过 10 个 mcp__argo__* 工具发起搜索、抓取、深度研究等操作。响应为精简 JSON，snippet 可控，可按需裁剪，避免撑爆上下文。

Agent 使用建议¶

README 给出的纪律如下，高后果问题（持仓、安全、是否属实）尤其适用：

1. 先 search → 看快评分 → 对 top 结果 fetch → 再下结论
2. 数字写清口径，冲突时并列，不要硬合并
3. 搜索结果页 / 跳转链不要当正文信源
4. 社交帖当舆情与叙事，不当事实真值
5. 事实核查宁可多一两条分层查询（来源 / 对比 / 主体）

Python 库调用¶

除 MCP 和命令行外，也可在 Python 项目中直接调用：

from search import super_search

适用场景与注意¶

适合谁： 需要在 DSH 或其他 Agent 框架里接联网搜索、且希望结果结构化、可复核、省 Token 的开发者。金融行情、影视体育、学术代码、多语言查询、深度调研等场景都能受益。

平台兼容： 支持 Claude Code、Cursor、Cline、Continue、Kimi、Grok Build 等一切支持 MCP 的客户端；也可纯命令行或 Python 库调用。

安全提示： 插件以当前 dsh 进程权限运行，会发起真实网络请求。安装前应检查 GitHub 源码 与 MIT 许可证，确认依赖和配置符合你的环境要求。登录态专业搜索（知乎、小红书、公众号等）默认关闭，开启后依赖浏览器和 ego lite，需自行评估风险。

SkillHub 社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系；DSH 理念是「一切皆插件」，Argo 是其中一类联网工具插件。

Argo 解决的核心问题，是把「搜索结果应该长什么样」从给人看的页面，换成 Agent 能直接消费的证据 JSON。若你在 DSH 里需要多语言、多领域、可评分的联网搜索，可以从目录页或 GitHub 入手安装试用。

• 目录页：https://www.skillhub.cn/plugins/taxueseek/argo
• GitHub：https://github.com/taxueseek/argo