插件概述

Viben 使用强大的插件系统，让你可以将其能力扩展到学术论文之外。本页解释插件的工作原理以及你可以用它们做什么。

插件在 Agent Swarm 中的角色

在 Viben 的 Agent Swarm x Code Evolution 架构中，插件扮演着关键角色：

用途	说明
数据源扩展	为智能体提供更多信息来源
能力增强	通过 MCP 服务器扩展智能体能力
工具集成	集成外部工具和服务
自定义工作流	支持特定领域的工作流程

插件使智能体能够访问更广泛的知识和工具，从而在代码进化过程中做出更好的决策。

什么是插件？

插件是为 Viben 添加新内容源的 Python 包。安装插件后，其数据源会被自动发现，并可通过相同的 browse_search、browse_download 和 browse_read 工具使用。

browse-mcp (核心)
    |
    +-- 内置数据源 (arxiv, pubmed, semantic...)
    |
    +-- browse-mcp-plugin-social-media (github, twitter, zhihu...)
    |
    +-- browse-mcp-plugin-news (rss, hackernews...)
    |
    +-- 你的自定义插件 (你的数据源...)

插件工作原理

Stevedore 插件发现

Viben 使用 stevedore 进行插件发现。服务器启动时：

1. Stevedore 扫描所有已安装包中的 browse_mcp.searchers 入口点
2. 每个注册的入口点被加载和实例化
3. 数据源变得可用于搜索、下载和阅读

这意味着你不需要修改任何配置文件 - 只需安装插件并重启服务器。

入口点注册

插件在 pyproject.toml 中注册其数据源：

[tool.poetry.plugins."browse_mcp.searchers"]
github = "my_plugin.github:GithubSearcher"
twitter = "my_plugin.twitter:TwitterSearcher"

或在 setup.py 中：

entry_points={
    'browse_mcp.searchers': [
        'github = my_plugin.github:GithubSearcher',
        'twitter = my_plugin.twitter:TwitterSearcher',
    ],
}

ContentSource API

所有插件都实现 ContentSource[T] 接口，其中 T 是它们返回的内容类型。

通用内容源

对于非论文内容，实现 ContentSource[T]：

from dataclasses import dataclass
from typing import List, Optional
from browse_mcp.types import ContentSource

@dataclass
class SocialPost:
    post_id: str
    title: str
    content: str
    author: str
    platform: str
    url: str

    def to_text(self) -> str:
        return f"Platform: {self.platform}\nTitle: {self.title}\nContent: {self.content}"

class TwitterSearcher(ContentSource[SocialPost]):
    def search(self, query: str, **kwargs) -> List[SocialPost]:
        # 搜索实现
        pass

    def download(self, content_id: str, save_path: str) -> str:
        # 下载实现
        pass

    def read(
        self,
        content_id: str,
        save_path: str,
        page: Optional[int] = None,
        start_page: Optional[int] = None,
        end_page: Optional[int] = None,
    ) -> str:
        # 阅读实现
        pass

论文数据源

对于学术论文数据源，扩展 PaperSource：

from browse_mcp.types import PaperSource, Paper

class MyPaperSource(PaperSource):
    def search(self, query: str, **kwargs) -> List[Paper]:
        # 返回 Paper 对象列表
        pass

    def download_pdf(self, paper_id: str, save_path: str) -> str:
        # 下载并返回文件路径
        pass

    def read_paper(
        self,
        paper_id: str,
        save_path: str,
        page: Optional[int] = None,
        start_page: Optional[int] = None,
        end_page: Optional[int] = None,
    ) -> str:
        # 提取并返回文本
        pass

关键概念

内容类型

每个插件定义自己的内容类型，带有 to_text() 方法：

插件	内容类型	字段
核心	Paper	title, authors, abstract, doi, pdf_url...
社交媒体	SocialPost	title, content, author, platform, likes...
自定义	你的类型	你的字段...

统一工具

无论内容类型如何，用户都通过相同的工具进行交互：

# 搜索任何数据源
browse_search([{"searcher": "github", "query": "machine learning"}])

# 下载任何内容
browse_download(searcher="github", paper_id="owner/repo")

# 阅读任何内容
browse_read(searcher="github", paper_id="owner/repo")

数据源命名

数据源使用扁平名称如 arxiv、github、twitter。插件系统也支持层级命名：

扁平名称	层级名称
arxiv	academic/arxiv
github	social/github
twitter	social/twitter

两种格式都可用，但推荐使用扁平名称以简化使用。

插件优势

对用户

• 轻松安装 - 只需 pip install 然后重启
• 一致接口 - 所有内容类型使用相同的工具
• 选择性数据源 - 通过环境变量启用/禁用单个数据源

对开发者

• 类型安全 API - 带类型提示的泛型 ContentSource[T]
• 自动发现 - 无需编辑配置文件
• 独立开发 - 插件可以独立开发和发布

下一步

• 安装插件 - 如何安装和管理插件
• 可用插件 - 官方和社区插件列表
• 社交媒体插件 - 社交媒体插件详细指南
• 插件配置 - 配置插件特定设置