open_deep_research
애플리케이션langchain-ai/open_deep_research
오픈 소스 딥 리서치 에이전트로, 다중 모델과 검색 도구를 지원합니다.
개요
구성 가능한 딥 리서치 에이전트로, 다양한 LLM 제공업체, 검색 API 및 MCP 서버와 호환됩니다. 딥 리서치 벤치마크 리더보드에서 상위에 랭크되어 있습니다. LangGraph를 기반으로 유연한 오케스트레이션을 구현합니다.
README 미리보기
# 🔬 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 Research에서 `think_tool`은 어떤 역할을 하며, 추론을 개선하나요?
think_tool은 의도적으로 아무 작업도 수행하지 않는 no-op 스크래치패드 도구입니다. 이 도구의 Python 반환 값은 어떤 동작도 수행하지 않으며 그래프 상태도 변경하지 않습니다. 이 도구의 목적은 모델이 검색이나 다른 도구를 호출하기 전에 도구 호출에서 명시적인 thought/추론 문자열을 생성하도록 하여 계획 수립과 자기 교정을 유도하는 것입니다. 모든 이점은 이러한 추가 추론 토큰에서 비롯되며, 이는 별도의 리플렉션 엔진이 아니므로 성능이 보장되지 않습니다. 일반적인 도구 호출 모델에는 도움이 될 수 있지만, 내장 추론 기능을 갖춘 모델에는 대개 불필요합니다. 비활성화하려면 모델에 바인딩된 도구에서 think_tool을 제거하고 모델에게 이를 호출하도록 지시하는 프롬프트 지시 사항도 제거하세요. 그렇지 않으면 모델이 존재하지 않는 도구를 호출하려고 시도할 수 있습니다.
문제 해결LangChain OpenAI 기반 앱에서 OpenRouter API를 사용하도록 구성하려면 어떻게 해야 하나요?
OpenRouter는 OpenAI 호환 API를 제공하므로 프로바이더는 openai로 유지하되, 클라이언트의 base_url은 OpenRouter를 가리키도록 설정하세요. LangChain의 ChatOpenAI는 OPENAI_ENDPOINT가 아니라 OPENAI_BASE_URL을 사용합니다.
.env 파일에 다음과 같이 설정하세요:
OPENAI_API_KEY="your-openrouter-key"
OPENAI_BASE_URL="https://openrouter.ai/api/v1"
OPENAI_MODEL="qwen/qwq-32b:free"모델 구성은 다음과 같이 유지하세요:
planner_provider: "openai"
planner_model: "qwen/qwq-32b:free"
writer_provider: "openai"
writer_model: "qwen/qwq-32b:free"애플리케이션이 클라이언트를 직접 생성하는 경우, base_url을 전달하는지 확인하세요:
ChatOpenAI(
model="qwen/qwq-32b:free",
api_key=os.environ["OPENAI_API_KEY"],
base_url="https://openrouter.ai/api/v1",
timeout=60,
)base URL에 /chat/completions를 포함하지 마세요.
다음 명령으로 연결 상태와 자격 증명을 확인하세요:
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"}]}'요청이 계속 타임아웃되면 클라이언트 타임아웃을 늘리거나 다른/유료 OpenRouter 모델을 시도해 보세요. 무료 모델은 느리거나 일시적으로 사용할 수 없을 수 있습니다.