Агент для глубоких исследований на LangGraph
🔹 langchain-ai/open_deep_research
⭐ 12390 звёзд · Python
Агент собирает информацию по запросу и пишет развёрнутый отчёт. Оркестрация через LangGraph, подключение LLM — по init_chat_model(): OpenAI, Anthropic, локальные модели через Ollama. Обязательное требование — структурированный вывод и tool calling.
По умолчанию работают четыре модели: gpt-4.1-mini для суммаризации и gpt-4.1 для исследования, компрессии и финального отчёта. Поиск идёт через Tavily, MCP-серверы или встроенный веб-поиск от Anthropic и OpenAI.
На Deep Research Bench (100 задач уровня PhD) RACE-score 0.4943 с GPT-5 и 0.4309 на дефолтной конфигурации. Прогон 100 примеров обходится в $20–$100. В `src/legacy/` лежат ещё две реализации: план-и-выполнение с human-in-the-loop и мультиагентная схема с параллельной обработкой.