Infraestructura de memoria nativa para agentes que convierte las conversaciones y ejecuciones de agentes LLM en memoria persistente y estructurada para aplicaciones Python y TypeScript.
assafelovic/gpt-researcher
Agente de investigación autónomo y de código abierto que planifica preguntas, recopila fuentes web y locales, y redacta informes con citas usando cualquier proveedor de LLM.
Alternativa open source a:Perplexity
ChatGPT Deep Research
- Estrellas
- 30,167
- Forks
- 4,303
- Issues abiertos
- 42
- Último commit
- hace 10 días
¿Qué es?
GPT Researcher es un agente de Python para investigar a fondo una consulta. Un agente planificador divide la tarea en preguntas de investigación, los agentes de ejecución recopilan y resumen fuentes para cada una, y una etapa de publicación reúne los hallazgos en un informe extenso con citas. Puede investigar tanto en la web abierta como en documentos locales en PDF, Word, Excel, Markdown y otros formatos.
El proyecto es compatible con cualquier proveedor de LLM mediante API compatibles con OpenAI e incluye un filtro de contexto que conserva solo los fragmentos relevantes para cada pregunta antes de enviarlos al modelo. También ofrece un modo Deep Research recursivo que explora un tema en amplitud y profundidad, un cliente MCP para conectar fuentes de datos externas y flujos de trabajo multiagente basados en LangGraph y AG2.
Entre las opciones de uso se incluyen un servidor FastAPI con un frontend ligero o Next.js, Docker Compose, un paquete pip con una API de Python y la instalación de una Claude Skill. Los informes se pueden exportar a PDF, Word y otros formatos.
Funciones clave
- 01Genera informes de investigación extensos con citas a partir de la web y de documentos locales.
- 02Filtra el contexto extraído según su relevancia antes de enviarlo al LLM.
- 03El modo Deep Research recursivo explora subtemas con una estructura de árbol.
- 04Conecta fuentes de datos externas mediante un cliente MCP.
- 05Ofrece flujos de trabajo multiagente basados en LangGraph y AG2.
- 06Exporta informes a PDF, Word y otros formatos.
Casos de uso
- Elaborar informes de contexto documentados sobre un tema a partir de numerosas páginas web.
- Investigar una colección privada de archivos PDF, hojas de cálculo o notas.
- Integrar investigación automatizada en una aplicación de Python mediante el paquete pip.
- Dar a un asistente de IA como Claude capacidades más avanzadas de investigación web.
Inicio rápido
- 1
Instala Python 3.12 o una versión posterior
- 2
Clona el proyecto y accede al directorio
git clone https://github.com/assafelovic/gpt-researcher.git cd gpt-researcher - 3
Configura las claves de API como variables de entorno
export OPENAI_API_KEY={Your OpenAI API Key here} export TAVILY_API_KEY={Your Tavily API Key here} - 4
Instala las dependencias e inicia el servidor
pip install -r requirements.txt python -m uvicorn main:app --reload
Antes de usarlo
- La configuración predeterminada requiere una clave de API de OpenAI y una clave de API de Tavily.
- Deep research cuesta aproximadamente 0,4 $ por ejecución y tarda unos 5 minutos.
Temas
Preguntas frecuentes
- ¿Qué es gpt-researcher?
- Agente de investigación autónomo y de código abierto que planifica preguntas, recopila fuentes web y locales, y redacta informes con citas usando cualquier proveedor de LLM. GPT Researcher es un agente de Python para investigar a fondo una consulta. Un agente planificador divide la tarea en preguntas de investigación, los agentes de ejecución recopilan y resumen fuentes para cada una, y una etapa de publicación reúne los hallazgos en un informe extenso con citas. Puede investigar tanto en la web abierta como en documentos locales en PDF, Word, Excel, Markdown y otros formatos.
- ¿gpt-researcher es gratuito? ¿Qué licencia tiene?
- gpt-researcher es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿gpt-researcher sigue mantenido?
- Mantenimiento activo. El último commit de gpt-researcher fue el 10 oct 2026.
- ¿Para qué puedo usar gpt-researcher?
- Elaborar informes de contexto documentados sobre un tema a partir de numerosas páginas web. Investigar una colección privada de archivos PDF, hojas de cálculo o notas. Integrar investigación automatizada en una aplicación de Python mediante el paquete pip. Dar a un asistente de IA como Claude capacidades más avanzadas de investigación web.
- ¿Cómo se instala gpt-researcher?
- Instala Python 3.12 o una versión posterior Clona el proyecto y accede al directorio: git clone https://github.com/assafelovic/gpt-researcher.git cd gpt-researcher Configura las claves de API como variables de entorno: export OPENAI_API_KEY={Your OpenAI API Key here} export TAVILY_API_KEY={Your Tavily API Key here} Instala las dependencias e inicia el servidor: pip install -r requirements.txt python -m uvicorn main:app --reload
- ¿Dónde consigo gpt-researcher?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/assafelovic/gpt-researcher
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Entorno open source para agentes autónomos de larga duración que coordina subagentes, memoria y sandboxes para investigar, programar y crear durante minutos u horas.
Sistema de memoria de IA local-first que almacena el historial de conversaciones íntegro y lo recupera mediante búsqueda semántica, disponible como servidor MCP y CLI.
Plataforma de chatbot con agentes y de código abierto que conecta LLM, plugins y herramientas para agentes con apps de mensajería como QQ, Telegram, Slack y Discord.
Un harness de agentes para Python, con opiniones claras y todo incluido, que ejecuta tareas largas de varios pasos desde el primer momento sobre LangGraph.
Un framework de agentes que conecta humanos digitales (2.5D, 3D, móvil, PC y web) y LLM con sistemas empresariales.