文章分类：How to
摘要：本文详细介绍如何在 Dify 中集成 Brave Search API 插件。通过配置 Agent、搭建工作流或使用 Agent Node，开发者可轻松为 AI 应用注入实时搜索能力，并结合自定义插件进一步扩展功能，快速打造生产级智能应用。

Dify x Brave Search：利用实时搜索为 AI 应用提速

Dify 是一款开源平台，旨在简化 AI 应用开发。它提供直观界面，整合 AI 工作流、RAG 管道与 Agent 能力。开发者可借此快速将概念转化为生产级应用。

随着 Dify v1.0.0 推出强大的插件系统，本指南将带你掌握 Brave Search API 插件的用法。无论构建 Agent 还是工作流，你都能轻松为 Dify AI 应用注入实时、精准的搜索功能。

准备工作

1. 获取 Brave Search API 密钥。
2. 选择 Dify 部署方式：
3. 开源版：克隆 Dify 仓库，按 Docker Compose 指南安装，或直接配置本地源码。
4. 云版本：通过官网直接访问 Dify。

集成 Brave Search 到 AI 应用

在 Dify 市场（Marketplace）的“搜索工具”（Search Tools）分类下找到 Brave Search API 插件。安装并授权插件，即可为 AI 应用添加搜索能力。

创建搜索型 Agent

结合 Brave Search 和 LLM 构建搜索型 Agent 非常简单。步骤如下：

1. 进入 Dify Studio：选择“从空白创建”，然后选“Agent”。
   
2. 定义 Agent 指令：在指令框中明确 Agent 的角色，并重点说明何时调用工具。
3. 配置模型：从市场安装模型提供商，选择你偏好的 LLM（如 Claude-3.5 Sonnet）。
4. 添加 Brave Search 工具：选中“Brave Search”以激活搜索功能。
5. （可选）集成上下文：如需注入特定知识，可上传本地知识库。详见相关指南。
6. 测试 Agent：配置完成后，即可直接测试。
   

搭建搜索工作流

对于更复杂的应用，Dify 工作流提供结构化框架。以“研究助手”为例：

1. 创建工作流：将 LLM 和工具串联，实现搜索目标。
2. LLM1（查询优化）：添加 LLM 节点（如 Claude-3.5 Sonnet）。将其配置为将用户初始查询转化为精准的搜索词。
3. Brave Search 节点：添加“Brave Search”工具节点。将 LLM1 的输出（优化后的查询）连接至该节点。
4. LLM2（报告生成）：添加第二个 LLM 节点。处理 Brave Search 返回的结果，提取关键信息并生成简明报告。
   

Dify 工作流提供清晰的步骤，适合开发复杂 AI 应用。若任务需要兼顾结构与灵活性，建议在工作流中嵌入 Agent Node。

使用 Agent Node 实现自主搜索

追求更高灵活性与自主性时，可将 Brave Search 直接集成至 Agent Node。Agent Node 包含三大核心组件：

• LLM（大脑）：核心推理引擎。决定工具调用时机与整体策略。
• Tools（能力扩展）：扩展 LLM 功能的模块。此处可接入 Brave Search，以及图像生成器、网页爬虫或自定义工具。
• Strategies（行为控制）：规范 LLM 调用工具的框架。Dify 支持 Function Calling 和 ReAct 等主流策略。你也可基于 LlamaIndex 或 LangGraph 实现自定义策略。

示例中，Agent Node 作为工作流的一环，接收 LLM1 的优化查询，同时调用 Brave Search 和 Arxiv Search，生成报告后推送至指定 Discord 频道。

部署 AI 应用

应用完成后，点击“发布”即可部署为 Web 应用、通过 API 集成，或直接嵌入网站。

通过自定义插件扩展 Brave Search

开发者可通过自定义插件进一步扩展 Brave Search 功能。例如，开发调度插件以自动化工作流任务。

插件开发详细步骤请参阅官方文档。

本页目录