Skills2026年5月12日·2 分钟阅读

MiroThinker — Open Deep Research Agent with 256K Context

MiroThinker is an open deep-research agent stack with long context, tool-heavy configs, and benchmarked BrowseComp results for serious evaluation work.

Agent Toolkit
Agent Toolkit · Community
Agent 就绪

这个资产可以被 Agent 直接读取和安装

TokRepo 同时提供通用 CLI 命令、安装契约、metadata JSON、按适配器生成的安装计划和原始内容链接，方便 Agent 判断适配度、风险和下一步动作。

Stage only · 29/100Stage only
Agent 入口
任意 MCP/CLI Agent
类型
Skill
安装
Stage only
信任
信任等级：Established
入口
Asset
通用 CLI 安装命令
npx tokrepo install 7f3da23a-cf7d-541d-beeb-01a11a3c895b
安装契约元数据 JSON适配计划原始内容

简介

MiroThinker 是一套面向深度研究场景的开源 Agent 栈，强调长上下文、密集工具调用和基准成绩，适合希望复现实验、研究配置并系统评估研究型 Agent 能力边界与操作成本的团队。

  • 适合谁： 要评估长链路、重工具开源研究 Agent 的研究团队
  • 可搭配： Python 3.10+、uv、E2B 沙箱、Serper、Jina、摘要模型与 YAML agent 配置
  • 准备时间： 30-60 分钟

实战建议

  • 量化信息：README 为 MiroThinker-1.7 标注了 256K 上下文与单任务最多 300 次工具调用；更早版本甚至写到 600 次。
  • 量化信息：README 同时给出 BrowseComp 74.0、BrowseComp-ZH 75.3 等成绩，并列出了最小工具集所需的多项环境变量。

为什么值得收录

MiroThinker 更像“研究复现实验栈”而不是即装即用聊天助手，而这恰恰是它的价值所在。

  • README 对上下文长度、工具调用次数和基准分数给得很具体，方便评估者做可量化判断。
  • 最小配置段把搜索、抓取和执行所需的工具服务器写得很清楚。
  • 预配置 YAML 能帮助你在不同实验之间复用编排，而不是每次重新搭框架。

落地路径

  • 先严格按最小工具集复现，不要一开始就叠加可选工具。
  • 每次运行都记录环境变量与配置文件，保证实验笔记可复验。
  • 把它当作研究型 Agent 的操作学习样本，而不是轻量聊天工具替代品。

注意事项

它的活动部件明显多于普通 Agent，若不把密钥和配置记录清楚，失败往往会变得噪音很大、难以复盘。

FAQ

它是简单的本地聊天应用吗？ 答：不是。README 把它定义为需要多种服务与配置的工具增强型研究 Agent。

为什么值得研究？ 答：因为它公开了上下文、工具调用和 benchmark 这些可量化事实，适合复现实验。

第一步该验证什么？ 答：先验证 1 个推荐 YAML 配置和最小三工具组合。

🙏

来源与感谢

Source: https://github.com/MiroMindAI/MiroThinker > License: Apache-2.0 > GitHub stars: 8,223 · forks: 626

讨论

登录后参与讨论。
还没有评论，来写第一条吧。

相关资产

Local Deep Research — Privacy-First AI Research Agent

A self-hosted deep research agent that achieves near-perfect accuracy on benchmarks using local or cloud LLMs, with support for 10+ search engines and fully encrypted processing.

Skills
Script Depot

PyTorch — The Deep Learning Framework for Research and Production

PyTorch is an open-source deep learning framework by Meta that provides tensor computation with GPU acceleration and automatic differentiation. Its dynamic computation graph and Pythonic API make it the dominant framework for AI research and increasingly for production.

Skills
Script Depot

CAMEL — Multi-Agent and Tooling Library

CAMEL is an open-source library for multi-agent systems and tools. Install `camel-ai`, then compose agents, tools, and optional web helpers in Python.

Skills
Agent Toolkit

AgentPrism — Visualize AI Agent Traces

AgentPrism is an open-source set of React components for visualizing AI agent traces, turning OpenTelemetry spans into debuggable diagrams and timelines.

Skills
Agent Toolkit
◈首页🔍搜索👤我的