Recherche approfondie : créez votre propre chercheur IA

Découvrez Open Deep Research : Votre assistant de recherche IA personnalisable

Dans le paysage en constante évolution de l'intelligence artificielle, la capacité à mener des recherches approfondies et pertinentes est primordiale. Voici Open Deep Research, un projet open-source révolutionnaire qui permet aux développeurs et aux chercheurs de créer et de personnaliser leurs propres agents de recherche IA performants. Construit avec la flexibilité de LangGraph, ce projet offre un framework entièrement configurable qui s'intègre de manière transparente avec divers fournisseurs de modèles, outils de recherche et serveurs Model Context Protocol (MCP).

Qu'est-ce qu'Open Deep Research ?

Au cœur, Open Deep Research fournit un agent robuste et adaptable conçu pour l'exploration et l'analyse complètes des données. Il excelle dans des tâches allant de la synthèse d'informations complexes à la génération de rapports finaux détaillés. Le projet se caractérise par sa configurabilité, permettant aux utilisateurs d'affiner chaque aspect du processus de recherche, des modèles d'IA utilisés pour la synthèse et l'analyse aux API de recherche et aux paramètres de concurrence.

Fonctionnalités et capacités clés :

  • Intégration polyvalente des modèles : Prend en charge un large éventail de fournisseurs de modèles, notamment OpenAI, Anthropic et Google Vertex AI, permettant aux utilisateurs de sélectionner les meilleurs modèles pour des tâches spécifiques telles que la synthèse, la recherche, la compression et la génération de rapports finaux.
  • Outils de recherche flexibles : S'intègre avec plusieurs API de recherche telles que Tavily, OpenAI Native Web Search et Anthropic Native Web Search, garantissant un large accès aux données.
  • Prise en charge des serveurs MCP : Étend les capacités de recherche via les serveurs Model Context Protocol (MCP), permettant des opérations avancées telles que la gestion du système de fichiers (serveurs MCP locaux) et la coordination d'agents distribués (serveurs MCP distants).
  • Configurations personnalisables : Offre des paramètres étendus qui peuvent être ajustés via une interface utilisateur web, des variables d'environnement ou une modification directe du code, répondant aux diverses préférences des utilisateurs et aux exigences du projet.
  • Intégration LangGraph Studio : Offre une expérience de déploiement fluide via LangGraph Studio, permettant la configuration de serveurs locaux et le test interactif des capacités de l'agent.
  • Compatibilité Open Agent Platform (OAP) : Facilement déployable sur OAP, une interface conviviale permettant aux utilisateurs non techniques de créer et de configurer des agents, rendant les capacités avancées d'Open Deep Research accessibles à un public plus large.
  • Évaluation complète : Comprend un système d'évaluation par lots avec une notation multidimensionnelle et une analyse basée sur des ensembles de données pour des tests et des améliorations rigoureux.
  • Implémentations héritées : Offre des approches alternatives dans le dossier src/legacy/, y compris des implémentations Workflow et Multi-Agent, fournissant un aperçu des différentes architectures d'agents.

Démarrer avec Open Deep Research :

Le projet propose un guide de démarrage rapide et simple, le rendant accessible même aux nouveaux venus dans le développement d'agents IA complexes.

  1. Cloner le dépôt :
    git clone https://github.com/langchain-ai/open_deep_research.git
    cd open_deep_research
    
  2. Configurer l'environnement virtuel et les dépendances :
    uv venv
    source .venv/bin/activate # (ou .venv\Scripts\activate sur Windows)
    uv pip install -r pyproject.toml
    
  3. Configurer les variables d'environnement : Copiez le fichier d'environnement d'exemple et personnalisez-le :
    cp .env.example .env
    
  4. Lancer le serveur LangGraph :
    uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev --allow-blocking
    

Cette configuration vous permet d'accéder à l'agent via l'API à http://127.0.0.1:2024 et d'interagir avec lui via l'interface utilisateur LangGraph Studio à https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024.

Contribution et exploration :

Avec plus de 6,7k étoiles et 891 forks sur GitHub, Open Deep Research témoigne de son utilité et de la communauté active qui l'entoure. Les développeurs sont encouragés à explorer la base de code, à contribuer à son développement et à tirer parti de ses puissantes fonctionnalités pour créer des solutions de recherche innovantes basées sur l'IA. Que vous soyez un praticien chevronné de l'IA ou un développeur curieux, Open Deep Research offre une plateforme précieuse pour repousser les limites de la recherche automatisée.

Original Article: Voir l’original

Partager cet article