从搜索到解决方案：解锁火山 DeepSearch 的“三连跳” MCP 玩法

最近真是捅了 MCP 窝了，上周火山开了一次开发者见面会，发布了挺多东西的，主要有：

• 正式发布了豆包深度思考模型 Doubao-1.5-thinking-pro 和全新的视觉理解模型 Doubao-1.5-vision-pro，这个咱们上周介绍过了，视觉推理非常强大，感兴趣可以去看我的测试。
• 还发布了方舟 × RTC 硬件：把端侧自动唤醒与云端大模型语音能力一次打包，让玩具、家居、穿戴等设备一键升级为能与人自然实时对话的“会说话”智能体。
• 最后也是跟我们开发者最相关的是DeepSearch：一个深度搜索复合应用服务，集成了联网搜索、知识库、网页解析、Python 代码执行器等丰富的 MCP 服务，无需配置直接调用。

RTC 硬件这个也不太好测试，主要我也不懂，而且需要硬件，这次主要试一下 DeepSearch 服务。

其实现在所谓的 Agents 服务主要的任务和内容还是基于AI 搜索信息的加工和再整理，这部分是核心，也是非常吃技术能力的地方。

火山把这部分能力变成应用之后对于开发者来说省了很多事情，人人都能搞 DeepSearch 了。

效果怎么样

先来一个最常见的问题和测试旅游规划。

即使这种看起来简单的任务很多 AI 搜索其实做的不好，看着内容输出很多，很多都是各个景点介绍的废话。

用户其实需要的是实时性比较强的信息，比如交通怎么安排，怎么样可以顺路，一些危险的项目需要准备哪些东西等。

比如我这个朋友的需求就是 5 天时间，必须去的地方有雨崩村和南极洛的徒步，其他的需要 AI 安排，也就是说 AI 需要考虑必须去的那两个地方跟其他地方的关系和安排顺序。

火山 DeepSearch 开始先会规划步骤，然后进行了搜索。

可以看到搜索的网页都非常精准，而且会在每次涉及到对应信息的时候专门搜索对应信息，这里它开始研究雨崩村行程的时候就只搜雨崩村的信息，这样可以避免一次搜完之后模型上下文记不住遗落信息。

然后我们来看一下结果，它的行程安排非常合理。

而且没有又臭又长的废话和景区介绍，全是行程时间、你需要关注的景点和信息信息（门票、车程）。

在涉及到南极洛的部分的时候非常精准且干脆的说了几点出发、禁止外来车辆他还记得是 6 月去，特地说了 6 月杜鹃盛开很好看。

最后在涉及到比较危险的徒步行程的时候给了很详细的注意事项介绍，徒步装备这里很强，介绍的都是必须而且实用的。

第二个问题是调研性质的，其中我加了一个新能源汽车上险量的数据查询来考察幻觉问题，具体的问题为：

帮我监控国产'新能源汽车’行业最近一周的主要新闻、需要包含相关关键数据，最新产品动态和社交媒体热议话题，生成一份包含关键信息摘要、数据图表(如有)和热度趋势的简报

可以看到他非常诚实的说没有搜到 17-24 号的上险量数据，但是给出了 13-20 号的部分数据，我点开来源的链接检查了一下没问题，依托今日头条的内容在搜索一些热点资讯的时候火山还是很强的。

而且内容组织非常合适，显示重要的产业新闻和总体数据，然后是其他的新能源车数据，跟我问题一致，最后才是各个厂家发布的信息，还有社交媒体的热度信息，他分的很开非常有条理。

如何使用

接下来我们说一下怎么用火山的 DeepSearch 能力，首先登录火山方舟平台，然后在应用广场找到深度推理应用。

进去以后点击体验应用就能进行测试和体验。

测试的时候可以调整问题的最大拆解层数，基本对应了模型规划的任务步数，最多可以到 10 步

另外是个性化，开启之后火山会收集测试时的提示词进行提示词优化。

然后你可以在MCP 服务设置的部分看到调用的所有 MCP 服务的详细信息，还可以选择是否启动。

如果你觉得不错想要使用的话可以点击应用详情页面的复制应用，全部开通之后就可以在我的应用部分看到了。

技术优势

看了一下这个应用的介绍，主要的实现方式为：

• API 网关接收指令并做安全鉴权；
• Server 侧由 Supervisor Agent 生成 Planning，将子任务分配给并行 Work Agent；
• 各 Work Agent 通过 Search／Knowledge／LinkReader 等 MCP Server 调用外部能力，必要时写入 TLS 日志与 Trace 服务。

底层同时挂载 Doubao-1.5-thinking-pro（长链推理）、Doubao-1.5-pro（指令遵循）和 DeepSeek-R1 等多模型，保证复杂逻辑与摘要生成各取所长。最终结果回流至 Summary Agent 聚合后返还给前端或第三方应用。

这个实现方式的优点主要是：

• 服务即插即用：所有 MCP 插件都符合统一协议，新插件上架即可被 Supervisor 自动编排。
• 一键复制与托管：开发者可直接复制广场模板，高代码方式部署至方舟 veFaaS，省去环境配置与运维。
• 生态无缝接入：整机对外暴露 OpenAI-兼容接口，前端、Bot、业务后台都能零改动集成。

另外这几天火山还上线了一个 MCP Servers 广场，里面有超级多的 MCP 服务，而且支持一键在说火山体验和安装，你也可以看到在 Trae 这种 IDE 上的安装命令，非常方便，可以在这里看看：https://www.volcengine.com/mcp-marketplace

从这次火山的发布来看国内大厂基本都跑步拥抱 MCP 了，而且从开发者服务到产品都开始整合自身生态并且将 MCP 的使用门槛拉下来。

以往 AI 模型添加能力基本上以月为单位，头部模型厂商上了之后大家才会跟，MCP 让探索和实验的门槛下降了非常多，加上火山这种聚合服务，今年确实是 Agents 年，哈哈。