Langchain Open Deep Research 아키텍처 가이드
이 문서는 Langchain Open Deep Research의 내부 작동 방식에 대한 단계별 아키텍처 가이드를 요약한 것입니다.
주요 내용
Open Deep Research는 크게 세 부분으로 구성됩니다: 범위 지정(scoping), 연구(research), 최종 보고서(final report).
- 범위 지정 (Scoping): 연구 단계의 입력을 구축하는 것을 목표로 합니다.
- 연구 (Research): 감독자(supervisor)와 연구 하위 에이전트(research sub-agents)의 두 단계로 구성됩니다. 감독자는 브리프를 기반으로 Reflection을 사용하여 필요에 따라 여러 연구 하위 에이전트를 생성합니다.
- 보고서 (Report): 수집된 모든 정보를 바탕으로 최종 보고서를 생성합니다.
핵심 디자인 패턴
- Reflection 패턴: 에이전트가 자체 출력을 평가하고 해당 피드백을 사용하여 응답을 반복적으로 개선할 수 있도록 합니다.
- 수동 도구 오케스트레이션 (Manual Tool Orchestration): 복잡한 작업, 메모리 관리, 사용자 정의 라우팅 로직, 병렬 실행에 필요합니다.
단계별 가이드
- 사용자 질문: LLM이 사용자에게 명확화가 필요한지 결정합니다.
- 사용자 명확화 질문에 응답: LLM은 다시 명확화를 요청하거나 브리프 작성기로 진행할지 여부를 나타내는 구조화된 출력을 반환합니다.
- 브리프 생성 및 감독자에게 전달: LLM을 호출하여 연구 브리프를 생성하고 상태에 저장합니다.
- 감독자 브리프 검토: 감독자는
think_tool을 호출하여 수행할 작업을 이해합니다. - 감독자 연구 시작: 감독자는 LLM을 호출하여
conduct_research도구와 함께 주제를 반환합니다. - 연구 하위 에이전트 시작:
conduct_research도구의 LLM 응답을 기반으로 동적으로 호출되는 하위 그래프입니다. - 연구 에이전트 검색 시작: 연구 노드는
web_search도구 호출을 받습니다. - 연구 에이전트 다중 검색 수행: Tavily 검색을 사용하여 여러 검색을 병렬로 수행합니다.
- 연구 결과 검토: 연구 노드는
think_tool을 호출하여 검색 결과를 검토합니다. - 연구 완료:
research_complete도구를 호출하고compress_research노드로 이동하여 결과를 압축하고 감독자에게 반환합니다. - 연구 계획 재평가: 감독자는
think_tool을 호출하여 다음 단계를 결정합니다. - 전체 연구 완료:
research_complete도구가 호출되어 하위 그래프 실행을 완료합니다. - 최종 보고서 생성: 마지막 단계는 LLM을 호출하여 최종 보고서를 생성하고 사용자에게 반환하는 것입니다.
관련 링크
- Original Post: https://www.bolshchikov.com/p/open-deep-research-internals-a-step
- GitHub: https://github.com/langchain-ai/open_deep_research
- Langchain Blog: https://blog.langchain.com/open-deep-research/