Exa запустила передовую многоагентную веб-исследовательскую систему, использующую LangGraph и LangSmith. Система обрабатывает сложные запросы с впечатляющей скоростью и надежностью.
Exa, видный игрок в индустрии поисковых API, представила свою последнюю инновацию: сложную многоагентную систему веб-исследований. Это развитие реализовано с помощью LangGraph и LangSmith и направлено на революцию в обработке сложных исследовательских запросов, согласно LangChain.
Эволюция к агентному поиску
Путь Exa к этой продвинутой системе начался с простого API поиска. Со временем компания развила свои предложения, добавив конечную точку ответов, которая интегрировала рассуждения больших языковых моделей (LLM) с результатами поиска. Последним достижением является их глубокий исследовательский агент, что знаменует их вход в действительно агентные API поиска. Это отражает более широкую тенденцию в отрасли к более автономным и долговременным приложениям LLM.
Переход к архитектуре глубоких исследований побудил Exa принять LangGraph, который стал предпочтительной платформой для обработки все более сложных архитектур. Этот сдвиг соответствует отраслевым тенденциям, где более простые настройки обновляются для выполнения более сложных задач, таких как исследования и программирование.
Проектирование многагентной системы
Система Exa имеет многоагентную архитектуру, основанную на LangGraph, состоящую из:
Планировщик: Анализирует запросы и генерирует параллельные задачи.
Задачи: Выполняет независимое исследование, используя специализированные инструменты.
Наблюдатель: Контролирует весь процесс, поддерживая контекст и цитаты.
Эта архитектура позволяет динамически масштабироваться, регулируя количество задач в зависимости от сложности запроса. Каждой задаче предоставляются конкретные инструкции, необходимые форматы вывода и доступ к API-инструментам Exa, что обеспечивает эффективную обработку от простых до сложных запросов.
Ключевые идеи дизайна
Система Exa акцентирует внимание на структурированном выводе и эффективном использовании ресурсов. Приоритизируя рассуждения о фрагментах поиска перед полным извлечением контента, система снижает использование токенов, сохраняя при этом качество исследования. Этот подход имеет важное значение для использования API, где надежные и структурированные JSON-выходы имеют решающее значение.
Дизайнерские решения Exa черпают вдохновение у других лидеров отрасли, таких как система глубоких исследований Anthropic, включая лучшие практики в области контекстного проектирования и структурированного вывода данных.
Использование LangSmith для наблюдаемости
Функции наблюдаемости LangSmith, особенно в отслеживании использования токенов, сыграли ключевую роль в разработке системы Exa. Эта возможность предоставила важные данные о потреблении ресурсов, информируя модели ценообразования и оптимизируя производительность.
Марк Пекала, инженер-программист в Exa, подчеркнул важность простоты настройки LangSmith и его вклада в понимание использования токенов, что было ключевым для экономически эффективного масштабирования системы.
Заключение
Инновационное использование Exa LangGraph и LangSmith подчеркивает потенциал многопользовательских систем в эффективной обработке сложных запросов веб-исследований. Проект выделяет ключевые выводы для аналогичных начинаний, такие как важность наблюдаемости, повторного использования, структурированных выходных данных и динамической генерации задач.
Поскольку Exa продолжает совершенствовать своего глубокого исследовательского агента, это развитие служит моделью для создания надежных, готовых к производству агентных систем, которые приносят значительную бизнес-ценность.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Exa внедряет многосетевую систему веб-исследований с использованием LangGraph
Зак Андерсон
01 июля 2025 04:38
Exa запустила передовую многоагентную веб-исследовательскую систему, использующую LangGraph и LangSmith. Система обрабатывает сложные запросы с впечатляющей скоростью и надежностью.
Exa, видный игрок в индустрии поисковых API, представила свою последнюю инновацию: сложную многоагентную систему веб-исследований. Это развитие реализовано с помощью LangGraph и LangSmith и направлено на революцию в обработке сложных исследовательских запросов, согласно LangChain.
Эволюция к агентному поиску
Путь Exa к этой продвинутой системе начался с простого API поиска. Со временем компания развила свои предложения, добавив конечную точку ответов, которая интегрировала рассуждения больших языковых моделей (LLM) с результатами поиска. Последним достижением является их глубокий исследовательский агент, что знаменует их вход в действительно агентные API поиска. Это отражает более широкую тенденцию в отрасли к более автономным и долговременным приложениям LLM.
Переход к архитектуре глубоких исследований побудил Exa принять LangGraph, который стал предпочтительной платформой для обработки все более сложных архитектур. Этот сдвиг соответствует отраслевым тенденциям, где более простые настройки обновляются для выполнения более сложных задач, таких как исследования и программирование.
Проектирование многагентной системы
Система Exa имеет многоагентную архитектуру, основанную на LangGraph, состоящую из:
Эта архитектура позволяет динамически масштабироваться, регулируя количество задач в зависимости от сложности запроса. Каждой задаче предоставляются конкретные инструкции, необходимые форматы вывода и доступ к API-инструментам Exa, что обеспечивает эффективную обработку от простых до сложных запросов.
Ключевые идеи дизайна
Система Exa акцентирует внимание на структурированном выводе и эффективном использовании ресурсов. Приоритизируя рассуждения о фрагментах поиска перед полным извлечением контента, система снижает использование токенов, сохраняя при этом качество исследования. Этот подход имеет важное значение для использования API, где надежные и структурированные JSON-выходы имеют решающее значение.
Дизайнерские решения Exa черпают вдохновение у других лидеров отрасли, таких как система глубоких исследований Anthropic, включая лучшие практики в области контекстного проектирования и структурированного вывода данных.
Использование LangSmith для наблюдаемости
Функции наблюдаемости LangSmith, особенно в отслеживании использования токенов, сыграли ключевую роль в разработке системы Exa. Эта возможность предоставила важные данные о потреблении ресурсов, информируя модели ценообразования и оптимизируя производительность.
Марк Пекала, инженер-программист в Exa, подчеркнул важность простоты настройки LangSmith и его вклада в понимание использования токенов, что было ключевым для экономически эффективного масштабирования системы.
Заключение
Инновационное использование Exa LangGraph и LangSmith подчеркивает потенциал многопользовательских систем в эффективной обработке сложных запросов веб-исследований. Проект выделяет ключевые выводы для аналогичных начинаний, такие как важность наблюдаемости, повторного использования, структурированных выходных данных и динамической генерации задач.
Поскольку Exa продолжает совершенствовать своего глубокого исследовательского агента, это развитие служит моделью для создания надежных, готовых к производству агентных систем, которые приносят значительную бизнес-ценность.
Источник изображения: Shutterstock