14.4.1 SearchTool 扩展
在第七章中，我们实现了SearchTool的基础版本，集成了 Tavily 和 SerpApi 两个搜索引擎，展示了多源搜索的设计思想。在本章的深度研究助手中，我们进一步扩展了SearchTool的能力，新增了 DuckDuckGo、Perplexity、SearXNG 等搜索引擎，并实现了 Advanced 模式（组合多个搜索引擎）。搜索是深度研究助手最核心的功能，这些扩展使得系统能够适应不同的使用场景和需求。
如表 14.2 所示，这次增加的搜索引擎有不同的特点和适用场景。
表 14.2 多搜索引擎对比
我们不再单独讨论如何扩展，可以参考源码以及第七章的拓展案例实现。SearchTool提供了统一的搜索接口，无论使用哪个搜索引擎，调用方式都是一样的。
在深度研究助手中，我们通过配置文件选择搜索引擎：
# config.py
class SearchAPI(str, Enum):
TAVILY = "tavily"
DUCKDUCKGO = "duckduckgo"
PERPLEXITY = "perplexity"
SEARXNG = "searxng"
ADVANCED = "advanced"
class Configuration(BaseModel):
search_api: SearchAPI = SearchAPI.DUCKDUCKGO
# ...
# .env
SEARCH_API=tavily
这样，用户可以通过修改.env文件来选择搜索引擎，无需修改代码。
SearchTool返回的结果是一个字典，包含：
results：搜索结果列表，每个结果包含标题、URL、摘要backend：使用的搜索引擎answer：AI 生成的答案（仅 Perplexity）notices：通知信息（如 API 限制、错误等）
以下是一些特殊情况的处理。
搜索结果可能包含重复的 URL，我们需要去重：
def deduplicate_sources(sources: List[dict]) -> List[dict]:
"""去除重复的URL"""
seen_urls = set()
unique_sources = []
for source in sources:
if source["url"] not in seen_urls:
seen_urls.add(source["url"])
unique_sources.append(source)
return unique_sources
搜索结果可能包含大量文本，我们需要限制每个来源的 Token 数量：
def limit_source_tokens(source: dict, max_tokens: int = 2000) -> dict:
"""限制来源的Token数量"""
snippet = source["snippet"]
# 简单的Token估算：1个Token约等于4个字符
max_chars = max_tokens * 4
if len(snippet) > max_chars:
snippet = snippet[:max_chars] + "..."
return {
**source,
"snippet": snippet
}
14.4.2 NoteTool 使用
在深度研究助手中，我们使用NoteTool来持久化研究进度。NoteTool是第九章集成的内置工具，用于创建、读取、更新和删除笔记。
在研究过程中，我们需要记录每个子任务的搜索结果、总结以及最终的研究报告。这些信息需要持久化到磁盘，以便在研究过程中断时能够从上次的进度继续，同时也方便查看研究过程中的所有操作，分析研究的质量和效率。
NoteTool将笔记存储在指定的工作空间目录中，每个笔记是一个 Markdown 文件。笔记的文件名是任务 ID，内容包含任务标题、任务意图、搜索查询、搜索结果和总结。
最后生成的文件风格会是下面的树状图风格：
workspace/
├── notes/
│ ├── 1.md # 任务1的笔记
│ ├── 2.md # 任务2的笔记
│ ├── 3.md # 任务3的笔记
│ └── ...
└── reports/
└── final_report.md # 最终报告
在深度研究助手中，我们使用NoteTool来记录每个子任务的研究进度：
class NotesService:
def __init__(self, workspace: str):
self.note_tool = NoteTool(workspace=workspace)
def save_task_summary(
self,
task: TodoItem,
search_results: List[dict],
summary: str
):
"""保存任务总结"""
# 格式化笔记内容
content = self._format_note_content(
task=task,
search_results=search_results,
summary=summary
)
# 创建笔记
self.note_tool.run({
"action": "create",
"title": f"任务{task.id}：{task.title}",
"content": content,
"tags": ["research", "summary"]
})
def _format_note_content(
self,
task: TodoItem,
search_results: List[dict],
summary: str
) -> str:
"""格式化笔记内容"""
content = f"# 任务{task.id}：{task.title}\n\n"
content += f"## 任务信息\n\n"
content += f"- **意图**：{task.intent}\n"
content += f"- **查询**：{task.query}\n\n"
content += f"## 搜索结果\n\n"
for idx, result in enumerate(search_results, start=1):
content += f"[{idx}] {result['title']}\n"
content += f"URL: {result['url']}\n"
content += f"摘要: {result['snippet']}\n\n"
content += f"## 总结\n\n{summary}\n"
return content
14.4.3 ToolRegistry 工具管理
ToolRegistry是 HelloAgents 框架的工具注册表，同样也是在我们的第七章所支持，用于管理所有工具的注册和调用。在深度研究助手中，我们使用ToolRegistry来管理SearchTool和NoteTool。
在创建 Agent 之前，我们需要先注册工具：
from hello_agents import ToolAwareSimpleAgent
from hello_agents.tools import ToolRegistry
from hello_agents.tools import SearchTool
from hello_agents.tools import NoteTool
# 创建工具
search_tool = SearchTool(backend="hybrid")
note_tool = NoteTool(workspace="./workspace/notes")
# 创建注册表
registry = ToolRegistry()
# 注册工具
registry.register_tool(search_tool)
registry.register_tool(note_tool)
# 创建Agent
agent = ToolAwareSimpleAgent(
name="研究助手",
system_prompt="你是一个研究助手",
llm=llm,
tool_registry=registry
)
当 Agent 需要调用工具时，它会生成工具调用指令，如图 14.7 所示。
图 14.7 工具调用流程
**工具调用流程：
- Agent 生成指令：Agent 生成工具调用指令，如
[TOOL_CALL:search_tool:{"input": "Datawhale组织", "backend": "tavily"}] - 解析指令：
ToolRegistry解析指令，提取工具名称和参数 - 查找工具：
ToolRegistry根据工具名称查找对应的工具 - 调用工具：调用工具的
run方法，传入参数 - 返回结果：工具返回执行结果
- 格式化结果：将结果格式化为字符串，返回给 Agent