Open Deep Research 프로젝트 상세 소개

프로젝트 개요

Open Deep Research는 LangChain AI가 개발한 실험적이고 완전한 오픈소스 심층 연구 도우미로, 심층 연구를 자동화하고 모든 주제에 대한 종합 보고서를 생성할 수 있습니다. 이 프로젝트의 핵심 목표는 OpenAI, Anthropic, Perplexity, Google 등과 같은 기업의 심층 연구 제품과 경쟁할 수 있는 간단하고 구성 가능한 오픈소스 솔루션을 제공하는 것입니다.

핵심 기능

🎯 이중 아키텍처 설계

프로젝트는 각각 장점을 가진 두 가지 다른 구현 방식을 제공합니다:

워크플로우 아키텍처 (Workflow Architecture)
- 구조화된 계획-실행 워크플로우
- 사용자 피드백 및 보고서 계획 승인을 허용하는 인간-컴퓨터 상호작용 루프
- 검색 반복 간의 성찰을 통해 섹션별로 생성
- 모든 검색 도구 제공업체 지원
다중 에이전트 아키텍처 (Multi-Agent Architecture)
- 감독자-연구원 아키텍처
- 여러 독립 에이전트가 병렬로 작동
- 보고서 생성 시간 현저히 단축
- 전문화된 도구 설계

🔧 높은 구성 가능성

Open Deep Research는 연구 프로세스 및 모델 동작을 사용자 정의하기 위한 광범위한 구성 옵션을 제공합니다. 모든 구성은 웹 UI, 환경 변수 또는 직접적인 구성 수정을 통해 설정할 수 있습니다:

Max Structured Output Retries (기본값: 3): 구조화된 출력 호출의 최대 재시도 횟수
Allow Clarification (기본값: true): 연구원이 연구 시작 전 명확화 질문을 할 수 있는지 여부
Max Concurrent Research Units (기본값: 5): 하위 에이전트를 사용하여 동시 실행할 최대 연구 단위 수
Search API (기본값: Tavily): 다양한 검색 API 선택 지원
Max Researcher Iterations (기본값: 3): 연구 감독자가 연구를 성찰하고 후속 질문을 제기하는 횟수

🤖 다중 모델 지원

Open Deep Research는 다양한 연구 작업을 위해 여러 전문화된 모델을 사용합니다:

요약 모델 (기본값: openai:gpt-4.1-nano): 검색 API의 연구 결과를 요약
연구 모델 (기본값: openai:gpt-4.1): 연구 및 분석 수행
압축 모델 (기본값: openai:gpt-4.1-mini): 하위 에이전트의 연구 결과 압축
최종 보고서 모델 (기본값: openai:gpt-4.1): 최종 종합 보고서 작성

모든 모델은 init_chat_model() API를 사용하여 구성되며, OpenAI, Anthropic, Google Vertex AI 등의 제공업체를 지원합니다.

🔍 풍부한 검색 도구 통합

프로젝트는 다양한 검색 API를 지원합니다:

Tavily API - 일반 웹 검색
Perplexity API - 일반 웹 검색
Exa API - 강력한 신경망 검색
ArXiv - 물리학, 수학, 컴퓨터 과학 등 학술 논문
PubMed - 생물의학 문헌
Linkup API - 일반 웹 검색
DuckDuckGo API - 일반 웹 검색
Google Search API - 맞춤형 검색 엔진

기술 아키텍처

LangGraph 기반 구축

Open Deep Research는 탄력적인 언어 에이전트 그래프를 구축하기 위한 프레임워크인 LangGraph를 기반으로 구축되었습니다. 이 아키텍처를 통해 프로젝트는 다음을 수행할 수 있습니다:

다양한 연구 전략을 유연하게 적용
중간 결과를 사용하여 탐색을 안내
개방형 연구 작업 처리

3단계 연구 프로세스

Open Deep Research는 에이전트를 3단계 프로세스의 일부로 사용하여 연구를 수행합니다:

범위 설정 (Scoping)
- 사용자 명확화: 연구에 필요한 모든 사용자 컨텍스트 수집
- 브리프 생성: 상세한 채팅 상호작용을 종합적이고 집중적인 연구 브리프로 변환
연구 (Research)
- 감독 에이전트를 사용하여 연구 수행
- 연구 작업을 적절한 수의 하위 에이전트에 위임
- 연구 브리프가 독립적인 하위 주제로 분해될 수 있는지 결정
보고서 생성 (Report Generation)
- 보고서를 한 번에 작성
- 다중 에이전트 병렬 작성의 조정 어려움 방지

설치 및 사용

빠른 시작

# 저장소 복제
git clone https://github.com/langchain-ai/open_deep_research.git
cd open_deep_research

# 환경 변수 설정
cp .env.example .env

# LangGraph 서버 설치 및 시작
uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev --allow-blocking

Python 패키지로 설치

pip install open-deep-research

사용 방법

Studio UI를 통해:
- 🚀 API: http://127.0.0.1:2024
- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 📚 API Docs: http://127.0.0.1:2024/docs
Jupyter Notebook:
- 예시 확인: src/open_deep_research/graph.ipynb
- 다중 에이전트 예시: src/open_deep_research/multi_agent.ipynb

플랫폼 통합

Open Agent Platform (OAP)

Open Agent Platform (OAP)은 비기술 사용자가 자신만의 에이전트를 구축하고 구성할 수 있는 사용자 인터페이스입니다. OAP는 사용자가 자신의 요구에 가장 적합한 다양한 MCP 도구 및 검색 API를 사용하여 심층 연구원을 구성할 수 있도록 하는 데 매우 적합합니다.

성능 및 평가

벤치마크 결과

결과에 따르면, Open Deep Research는 기본 모델에서 답변 품질을 지속적으로 크게 개선했으며, 이는 Llama, DeepSeek 및 Qwen 플래그십 모델에서 모두 나타나 워크플로우의 품질을 보여줍니다.

테스트 기능

# 기본 Anthropic 모델로 테스트
python tests/run_test.py --all

# OpenAI o3 모델로 테스트
python tests/run_test.py --all \
  --supervisor-model "openai:o3" \
  --researcher-model "openai:o3" \
  --planner-provider "openai" \
  --planner-model "o3" \
  --writer-provider "openai" \
  --writer-model "o3" \
  --eval-model "openai:o3" \
  --search-api "tavily"

배포 옵션

로컬 배포: LangGraph 서버를 통해 로컬에서 실행
클라우드 배포: LangGraph Platform에 쉽게 배포 가능

프로젝트 생태계

커뮤니티 및 오픈소스

OpenAI 출시 이후, 오픈소스 커뮤니티는 심층 연구 대안 개발에 탁월한 노력을 기울였습니다. 이 프로젝트는 커뮤니티에 접근 가능한 오픈소스 심층 연구 도구 키트를 제공하는 것을 목표로 합니다.

기술 요구 사항

모델 호환성

구조화된 출력 지원: 모든 모델은 구조화된 출력을 지원해야 합니다.
도구 호출 지원: 에이전트 모델은 도구 호출을 지원해야 합니다.
검색 API 호환성: 연구 및 압축 모델은 선택한 검색 API를 지원해야 합니다.

테스트된 모델

Claude 3.7
o3 및 o3-mini
gpt-4.1
llama-3.3-70b-versatile (Groq를 통해)

장점 및 특징

설계 원칙

Open Deep Research의 핵심 설계 원칙 중 하나는 요청에 따라 다양한 연구 전략을 탐색할 수 있는 유연성입니다. 에이전트는 다양한 전략을 유연하게 적용하고 중간 결과를 사용하여 탐색을 안내할 수 있으므로 연구에 매우 적합합니다.

핵심 장점

오픈소스 투명성: 완전한 오픈소스로, 커뮤니티가 검토하고 개선할 수 있습니다.
높은 구성 가능성: 사용자 정의 모델, 검색 도구 및 보고서 구조를 지원합니다.
다중 아키텍처 지원: 워크플로우 및 다중 에이전트 두 가지 구현 방식을 제공합니다.
광범위한 호환성: 다양한 AI 모델 제공업체 및 검색 API를 지원합니다.
인간-컴퓨터 상호작용: 사용자 피드백 및 보고서 계획 승인을 지원합니다.
전문화된 설계: 다양한 작업에 전문화된 모델을 사용합니다.

향후 개발

프로젝트는 지속적으로 발전하고 있으며, 더 많은 기능과 개선 사항을 추가할 계획입니다:

더 많은 검색 도구에 대한 다중 에이전트 아키텍처 지원 확장
보고서 생성 품질 개선
사용자 상호작용 경험 강화
성능 및 자원 활용 최적화

요약

Open Deep Research는 오픈소스 AI 연구 도구의 중요한 진보를 나타냅니다. 이 프로젝트는 상업용 제품과 경쟁할 수 있는 기능을 제공할 뿐만 아니라 오픈소스 프로젝트의 투명성과 사용자 정의 가능성을 유지합니다. 연구원, 개발자 또는 기업 사용자 모두 자신의 필요에 따라 이 강력한 연구 도우미를 사용자 정의하고 배포할 수 있습니다.

open_deep_research