前言¶

在 DeepSeek Harness（DSH）裏給智能體接聯網能力，常見做法是直接掛模型自帶搜索，或再包一層搜索 API。前者返回的多是拼好的長文本，後者往往綁死單一引擎、結果形態也不適合 Agent 二次處理：鏈接清單占上下文、垂直問題（行情、化學式、影視信息）還得再泛搜一輪。

Argo（taxueseek/argo）的定位不同：它是專門爲 Agent 設計的多語言搜索基礎設施，按領域和語言選路，把查詢送到合適的源，產出精簡 JSON（證據候選 + 可信度分解），而不是給人看的總結頁。下面介紹它的能力、安裝方式和典型用法。

這是什麼¶

Argo 由 taxueseek 維護，在 SkillHub 分類爲「聯網工具」，GitHub 約 108 stars、7 forks。當前版本 v2.8.3，許可證 MIT，需要 Python 3.10+；通過 MCP 掛載時還需要 Node.js 18+。

一句話概括：Argo 把搜索當成一條證據管線——語言檢測 → 領域路由 → 多引擎召回 → RRF 融合 → 證據快評，最終交付 Agent 可直接排序、可 fetch 複覈、不撐爆上下文的材料。聯網搜索與本機文件搜索一體可用，覆蓋中文、英文、學術、代碼、購物、金融、新聞、百科等場景，目前約 120+ 引擎、60+ 業務域，對外提供 10 個 MCP 工具。

核心功能¶

領域路由與垂直源¶

Argo 不會對所有問題一律泛搜網頁。按查詢內容自動分流到對應域，優先從垂直源拿答案型結果。README 中列舉的路由示例如下：

證據評分與 JSON 產出¶

結果不是鏈接清單，而是帶可信度分解的結構化 JSON，主要評分維度包括：

• selection：域名權威，SERP/跳轉鏈壓到很低
• absorption：數字、定義、對比、披露等證據密度
• freshness：發佈時間
• 共識：多源一致性

綜合分約爲 0.40·selection + 0.35·absorption + 0.15·freshness + 0.10·引擎分。結果字段含 selection、absorption、credibility_fast、evidence_flags 等，方便 Agent 直接排序。

緩存與成本控制¶

雙層緩存（內存 + SQLite），熱查詢約 10ms 級返回。支持預算模式，免費引擎優先，API Key 全可選；不配 Key 時走免費引擎 + 本地 local_* 引擎。

深度研究¶

可把籠統問題拆成多個子問題，多源並行採集，並提示還缺什麼證據，適合綜述、調研類任務。DSH 子包還提供 wide_research 並行研究編排（見下文裝法 B）。

與常見方案的區別¶

安裝與啓用¶

以 GitHub 爲唯一安裝真源（npx github:taxueseek/argo 或 install.sh）。請勿使用 npm install argo-search——npm registry 上那份是非官方陳舊版 v1.0.1，非本倉庫維護。

在 DeepSeek Harness 中安裝¶

任選一種裝法，安裝後重啓 dsh web 生效。

裝法 A：僅 10 個 mcp__argo__* 搜索工具（主包自帶 bundle）：

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

裝法 B：搜索工具 + wide_research 並行研究編排（子包）：

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

裝法 B 的 wide_research 模塊只存在於子包依賴樹；同 id mcp-argo / wide-research 可在用戶層 cordis.patch.yml 覆蓋。

其他接入方式¶

MCP 快速掛載（適合 Cursor、Claude Code、Kimi 等），首次需安裝 PyYAML：

pip3 install pyyaml

npx -y github:taxueseek/argo

客戶端 MCP 配置示例：

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

本機長期安裝（推薦腳本方式）：

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

指定目錄並掛 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"

更穩、完全不依賴 Node 的 MCP 寫法：先裝腳本，再指向本機 Python：

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

依賴說明¶

安裝腳本只自動裝 PyYAML 和 curl_cffi；其餘按需安裝。

安裝後自檢¶

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¶

安裝腳本方式完成後，可直接用 search.py 驗證：

python3 ~/.local/share/argo/scripts/search.py "貴州茅臺股價" --json
python3 ~/.local/share/argo/scripts/search.py --list-engines

MCP 工具調用¶

掛載 MCP 後，Agent 可通過 10 個 mcp__argo__* 工具發起搜索、抓取、深度研究等操作。響應爲精簡 JSON，snippet 可控，可按需裁剪，避免撐爆上下文。

Agent 使用建議¶

README 給出的紀律如下，高後果問題（持倉、安全、是否屬實）尤其適用：

1. 先 search → 看快評分 → 對 top 結果 fetch → 再下結論
2. 數字寫清口徑，衝突時並列，不要硬合併
3. 搜索結果頁 / 跳轉鏈不要當正文信源
4. 社交帖當輿情與敘事，不當事實真值
5. 事實覈查寧可多一兩條分層查詢（來源 / 對比 / 主體）

Python 庫調用¶

除 MCP 和命令行外，也可在 Python 項目中直接調用：

from search import super_search

適用場景與注意¶

適合誰： 需要在 DSH 或其他 Agent 框架裏接聯網搜索、且希望結果結構化、可複覈、省 Token 的開發者。金融行情、影視體育、學術代碼、多語言查詢、深度調研等場景都能受益。

平臺兼容： 支持 Claude Code、Cursor、Cline、Continue、Kimi、Grok Build 等一切支持 MCP 的客戶端；也可純命令行或 Python 庫調用。

安全提示： 插件以當前 dsh 進程權限運行，會發起真實網絡請求。安裝前應檢查 GitHub 源碼 與 MIT 許可證，確認依賴和配置符合你的環境要求。登錄態專業搜索（知乎、小紅書、公衆號等）默認關閉，開啓後依賴瀏覽器和 ego lite，需自行評估風險。

SkillHub 社區目錄是獨立站點，與 DeepSeek / 幻方無官方從屬關係；DSH 理念是「一切皆插件」，Argo 是其中一類聯網工具插件。

Argo 解決的核心問題，是把「搜索結果應該長什麼樣」從給人看的頁面，換成 Agent 能直接消費的證據 JSON。若你在 DSH 裏需要多語言、多領域、可評分的聯網搜索，可以從目錄頁或 GitHub 入手安裝試用。

• 目錄頁：https://www.skillhub.cn/plugins/taxueseek/argo
• GitHub：https://github.com/taxueseek/argo