open_deep_research
アプリケーションlangchain-ai/open_deep_research
複数のモデルと検索ツールをサポートする、オープンソースのディープリサーチエージェント。
概要
設定可能なディープリサーチエージェント。複数のLLMプロバイダー、検索API、MCPサーバーに対応。ディープリサーチベンチマークランキングで上位にランクイン。LangGraphベースの柔軟なオーケストレーションを実現。
README プレビュー
# 🔬 Open Deep Research\n\n\n\nDeep research has broken out as one of the most popular agent applications. This is a simple, configurable, fully open source deep research agent that works across many model providers, search tools, and MCP servers. It's performance is on par with many popular deep research agents ([see Deep Research Bench leaderboard](https://huggingface.co/spaces/Ayanami0730/DeepResearch-Leaderboard)).\n\n\n\n### 🔥 Recent Updates\n\n**August 14, 2025**: See our free course [here](https://academy.langchain.com/courses/deep-research-with-langgraph) (and course repo [here](https://github.com/langchain-ai/deep_research_from_scratch)) on building open deep research.\n\n**August 7, 2025**: Added GPT-5 and updated the Deep Research Bench evaluation w/ GPT-5 results.\n\n**August 2, 2025**: Achieved #6 ranking on the [Deep Research Bench Leaderboard](https://huggingface.co/spaces/Ayanami0730/DeepResearch-Leaderboard) with an overall score of 0.4344. \n\n**July 30, 2025**: Read about the evolution from our original implementations to the current version in our [blog post](https://rlancemartin.github.io/2025/07/30/bitter_lesson/).\n\n**July 16, 2025**: Read more in our [blog](https://blog.langchain.com/open-deep-research/) and watch our [video](https://www.youtube.com/watch?v=agGiWUpxkhg) for a quick overview.\n\n### 🚀 Quickstart\n\n1. Clone the repository and activate a virtual environment:\n```bash\ngit clone https://github.com/langchain-ai/open_deep_research.git\ncd open_deep_research\nuv venv\nsource .venv/bin/activate # On Windows: .venv\Scripts\activate\n```\n\n2. Install dependencies:\n```bash\nuv sync\n# or\nuv pip install -r pyproject.toml\n```\n\n3. Set up your `.env` file to customize the environment variables (for model selection, search tools, and other configuration settings):\n```bash\ncp .env.example .env\n```\n\n4. Launch agent with the LangGraph server locally:\n\n```bash\n# Install dependencies and start the LangGraph server\nuvx --refres
FAQ (2)
informationalOpen Deep Researchにおける`think_tool`は何を行いますか？また、推論を改善しますか？
think_toolは意図的にno-opのスクラッチパッドツールです。そのPythonの戻り値はいかなるアクションも実行せず、グラフの状態も変更しません。その目的は、検索やその他のツールを呼び出す前に、ツール呼び出し内で明示的なthought/推論文字列をモデルに出力させ、計画立案と自己修正を促すことです。利点があるとすれば、それはこれらの追加の推論トークンからもたらされるものであり、これは独立したリフレクションエンジンではなく、パフォーマンスは保証されません。通常のツール呼び出しモデルには役立つ場合がありますが、推論機能が組み込まれたモデルでは通常冗長です。無効にするには、モデルにバインドされたツールからthink_toolを削除し、モデルにそれを呼び出すよう指示するプロンプトの指示も削除してください。そうしないと、モデルは存在しないツールを呼び出そうとする可能性があります。
トラブル対応LangChain OpenAIベースのアプリをOpenRouter APIを使用するように設定するにはどうすればよいですか？
プロバイダーは openai のままにしてください。OpenRouter は OpenAI 互換の API を公開しているためですが、クライアントの base_url は OpenRouter を指すように設定します。LangChain の ChatOpenAI は OPENAI_ENDPOINT ではなく OPENAI_BASE_URL を使用します。
.env ファイルでは、次のように設定します：
OPENAI_API_KEY="your-openrouter-key"
OPENAI_BASE_URL="https://openrouter.ai/api/v1"
OPENAI_MODEL="qwen/qwq-32b:free"モデル設定は次のままにします：
planner_provider: "openai"
planner_model: "qwen/qwq-32b:free"
writer_provider: "openai"
writer_model: "qwen/qwq-32b:free"アプリケーションがクライアントを直接構築する場合は、必ず base_url を渡すようにしてください：
ChatOpenAI(
model="qwen/qwq-32b:free",
api_key=os.environ["OPENAI_API_KEY"],
base_url="https://openrouter.ai/api/v1",
timeout=60,
)ベース URL に /chat/completions を含めないでください。
接続と認証情報は次のコマンドで確認できます：
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"qwen/qwq-32b:free","messages":[{"role":"user","content":"hello"}]}'それでもリクエストがタイムアウトする場合は、クライアントのタイムアウトを長くするか、別の（有料の）OpenRouter モデルを試してください。無料モデルは低速だったり、一時的に利用できないことがあります。