@QingQ77: 在 DeerFlow 基础上增加多工作空间隔离、多角色权限管理,实现空间级别的 MCP 工具和技能隔离。 https://github.com/gaoyakunsan/deer-flow… 每个空间有自己独立的聊天记录、记忆、MCP 工具…
摘要
DeerFlow 2.0 在原有开源项目基础上新增多工作空间隔离、多角色权限管理及空间级 MCP 工具与技能隔离,支持独立聊天记录、记忆和工具集,后端采用 FastAPI + LangGraph,前端 Next.js 16。
查看缓存全文
缓存时间: 2026/06/11 19:44
在 DeerFlow 基础上增加多工作空间隔离、多角色权限管理,实现空间级别的 MCP 工具和技能隔离。
https://t.co/P540ygQFxX
每个空间有自己独立的聊天记录、记忆、MCP 工具和技能,管理员、空间管理员、成员三种角色各管各的。后端 FastAPI + LangGraph,前端 Next.js 16,docker compose 能跑。 https://t.co/wk7ZKIMgsx
gaoyakunsan/deer-flow
Source: https://github.com/gaoyakunsan/deer-flow
✨ 核心亮点
与上游 DeerFlow 相比,本项目新增以下核心能力:
| 特性 | 说明 |
|---|---|
| 🏢 多空间隔离 | 支持创建多个独立工作空间,对话历史、智能体记忆、文件完全隔离 |
| 👥 多角色权限 | 每个空间支持 管理员 / 成员 两种角色,管理员可管理成员和空间配置 |
| 🔧 空间级 MCP 工具 | 每个空间可独立配置 MCP 服务器,不同空间拥有不同的工具集 |
| ⭐ 空间级自定义技能 | 自定义技能按空间隔离,各空间可独立创建、导入和管理技能 |
| 🔄 智能回退机制 | 空间无专属 MCP 配置时,自动回退到全局 extensions_config.json |
| 🛡️ 系统管理员 | 新增系统管理员角色,可管理所有空间及其成员 |
📸 界面展示
| 智能对话主页 | 多空间切换 |
![]() |
![]() |
| MCP 工具管理 | 自定义技能管理 |
![]() |
![]() |
🏗️ 架构概览
┌─────────────────────────────────────────────────────┐
│ Nginx (2026) │
│ 统一反向代理入口 │
├──────────────┬──────────────────────────────────────┤
│ Frontend │ Gateway API │
│ Next.js 16 │ FastAPI (8001) │
│ 端口 3000 │ │
│ │ ┌──────────────────────────────────┐│
│ │ │ 空间中间件 (SpaceMiddleware) ││
│ │ │ X-Space-Id → 成员校验 → 上下文 ││
│ │ └──────────────────────────────────┘│
│ │ │
│ │ ┌──────────────────────────────────┐│
│ │ │ 智能体运行时 (LangGraph) ││
│ │ │ 18 层中间件 → 工具组装 → 子智能体 ││
│ │ └──────────────────────────────────┘│
│ │ │
│ │ ┌──────────────────────────────────┐│
│ │ │ 多空间数据层 ││
│ │ │ 空间表 → 成员表 → MCP表 → 技能表 ││
│ │ └──────────────────────────────────┘│
└──────────────┴──────────────────────────────────────┘
技术栈
- 后端: Python 3.12+ / FastAPI / LangGraph / SQLAlchemy
- 前端: Next.js 16 / React / Tailwind CSS / TanStack Query
- 沙箱: Docker DooD / K8s Provisioner
- 部署: Docker Compose / Nginx
🚀 快速开始
环境要求
- Python 3.12+
- Node.js 22+ & pnpm 10.26.2+
- Docker(沙箱功能)
- Windows 用户: 请使用 Git Bash 运行所有命令
安装
# 克隆项目
git clone https://github.com/your-org/deer-flow.git
cd deer-flow
# 交互式安装向导(生成 config.yaml + .env)
make setup
# 安装所有依赖
make install
启动
# 开发模式(热重载)
make dev
# 或 Docker 模式
make docker-init && make docker-start
访问 http://localhost:2026,首次启动会跳转到 /setup 创建管理员账户。
常用命令
make dev # 开发模式启动所有服务
make start # 生产模式启动
make stop # 停止所有服务
make doctor # 检查配置和系统要求
make lint # 代码检查
make test # 运行测试
📖 多空间功能详解
空间管理
每个空间是一个完全隔离的工作环境,包含独立的:
- 对话历史 — 对话线程按空间隔离
- 智能体记忆 — 每个空间拥有独立的记忆库
- MCP 工具 — 空间级别配置 MCP 服务器
- 自定义技能 — 按空间创建和管理技能
角色与权限
| 角色 | 权限 |
|---|---|
| 系统管理员 | 管理所有空间和用户、系统级配置 |
| 空间管理员 | 管理空间成员、空间级工具和技能配置 |
| 空间成员 | 使用空间内的对话、工具和技能 |
空间级 MCP 工具
每个空间可以独立配置 MCP 服务器,支持三种传输方式:
- stdio — 本地进程通信
- sse — Server-Sent Events
- http — HTTP 长连接
当空间未配置任何已启用的 MCP 服务器时,自动回退到全局 extensions_config.json 配置。
空间级自定义技能
- 按空间隔离的技能创建、导入和管理
- 支持技能版本管理和编辑锁定
- 技能名称在空间内唯一
🔧 配置说明
config.yaml
主要配置文件,支持模型、工具、沙箱、记忆、子智能体等配置:
# 模型配置
models:
- name: glm-4.7
provider: openai_compatible
...
# 沙箱配置
sandbox:
use: deerflow.sandbox.local:LocalSandboxProvider
extensions_config.json
全局 MCP 服务器和 Skills 启用/禁用配置。空间无专属 MCP 时回退到此文件。
环境变量
| 变量 | 说明 | 默认值 |
|---|---|---|
DEER_FLOW_PROJECT_ROOT | 项目根目录 | backend/ 的父目录 |
DEER_FLOW_CONFIG_PATH | config.yaml 路径 | 项目根目录 |
DEER_FLOW_HOME | 运行时状态目录 | .deer-flow/ |
📂 项目结构
deer-flow/
├── backend/ # 后端服务
│ ├── app/gateway/ # FastAPI 应用
│ │ ├── auth/ # 空间、MCP Provider
│ │ ├── routers/ # API 路由(spaces, space_mcp, custom_skills)
│ │ └── space_middleware.py # 空间请求上下文中间件
│ └── packages/harness/
│ └── deerflow/ # 智能体框架核心
│ ├── mcp/ # MCP 客户端 & 空间缓存
│ ├── persistence/ # 数据层(space, space_mcp, custom_skill)
│ ├── runtime/ # 运行时(空间上下文 ContextVar)
│ └── skills/ # 技能生命周期管理
├── frontend/ # 前端 Next.js 应用
│ └── src/
│ ├── core/space/ # 空间 API、类型、Provider
│ ├── core/space-mcp/ # 空间 MCP 管理 hooks
│ └── components/
│ ├── workspace/ # 工作区组件(空间切换、成员管理)
│ └── admin/ # 管理后台(空间管理页面)
├── config.yaml # 主配置文件
├── extensions_config.json # MCP/Skills 全局配置
└── Makefile # 全栈操作命令
🤝 致谢
- DeerFlow — 字节跳动开源的 AI 超级智能体底座
- LangGraph — LangChain 智能体编排框架
- FastAPI — 高性能 Python Web 框架
- Next.js — React 全栈框架
📄 License
本项目基于 Apache 2.0 协议开源。
相似文章
@seclink: DeerFlow(全称 Deep Exploration and Efficient Research Flow)是由字节跳动(ByteDance)开源的一个 长时程 SuperAgent 框架(SuperAgent harness)。
DeerFlow是由字节跳动开源的用于长时程SuperAgent的框架,旨在提升AI代理的探索与研究效率。
bytedance/deer-flow
DeerFlow 2.0 是 ByteDance 开源的一个超级代理框架,它通过可扩展的技能编排子代理、记忆和沙盒。它于2026年2月28日取得了 GitHub Trending 第一名。
@QingQ77: 开源的共享工作空间,人和 AI 智能体当成一个团队来用:大家读写同一套状态(表格、文件、工作流、权限、审批、应用),活儿不再散在聊天记录里,也不用自己拼一堆胶水代码。 https://github.com/lemma-work/lemma…
Lemma 是一个开源的共享工作空间,将人类和 AI 智能体整合为一个团队,共同读写表格、文件、工作流等状态,减少胶水代码和聊天记录中的散落工作。
@axiaisacat: 分享一个真正能落地的开源数字人框架——Fay 核心亮点: ▸ 完全开源(GPL-3.0),商用免费 ▸ 全离线可用,数据安全有保障 ▸ 模块化设计,像搭积木一样自由组合 ▸ 支持MCP工具调用 + 仿生记忆 ▸ 内置Web管理页面,小白也…
Fay是一个完全开源、商用免费的数字人框架,支持全离线运行、模块化设计、MCP工具调用和仿生记忆,内置Web管理界面,可快速搭建虚拟主播、智能客服、个人AI助理等应用。
@QingQ77: FlareMo — Cloudflare 原生的个人知识管理系统 https://github.com/realchendahuang/FlareMo… 一个运行在 Cloudflare Workers 上的个人笔记系统,利用 Cloud…
FlareMo是一个基于Cloudflare Workers的个人笔记系统,利用免费套餐实现零服务器运维,支持Flomo风格的时间线笔记、标签、附件、搜索等功能。



