SDK TypeScript para criar aplicativos agent-native com UI generativa, estado compartilhado e fluxos com human-in-the-loop em React, Angular, Vue e apps de chat.
CopilotKit/open-research-ANA
Um app de demonstração de canvas de pesquisa em que um agente de IA faz buscas na web em tempo real com revisão humana, criado com CopilotKit, Tavily e LangGraph.
- Estrelas
- 423
- Forks
- 113
- Issues abertas
- 3
- Último commit
- há 3 dias
O que é?
open-research-ANA é uma demonstração de um Agent Native Application: um canvas de pesquisa onde o usuário e um agente de IA trabalham no mesmo documento. O agente faz buscas em tempo real com o Tavily e pausa em etapas importantes para receber contribuições humanas, permitindo que o usuário conduza a pesquisa em vez de apenas ler uma resposta final.
O lado do agente é desenvolvido com LangGraph, e o frontend usa CopilotKit para conectar a interface de chat e o canvas ao agente em execução. Para rodar localmente, é preciso iniciar o agente com o LangGraph CLI, abrir um túnel com o CopilotKit CLI e iniciar um frontend Next.js com pnpm. São necessárias chaves de API da OpenAI, Tavily, LangSmith e CopilotKit.
O repositório foi consolidado no monorepo do CopilotKit, onde a versão mantida fica em examples/showcases/research-canvas.
Recursos principais
- 01Busca na web em tempo real com tecnologia Tavily
- 02Pontos de verificação com participação humana, nos quais o usuário revisa as etapas do agente
- 03Orquestração do agente desenvolvida com LangGraph
- 04Frontend de chat e canvas conectado ao agente via CopilotKit
- 05Configuração local com o LangGraph CLI e um frontend Next.js
Casos de uso
- Explorar um tema de pesquisa com um agente que busca na web e pede orientações
- Aprender a combinar agentes LangGraph com um frontend CopilotKit
- Criar protótipos de um assistente de pesquisa com participação humana
Início rápido
- 1
Instale os pré-requisitos: pnpm, Docker e LangGraph CLI
- 2
Inicie o agente na pasta do agente
langgraph up - 3
Instale as dependências do frontend na pasta do frontend
pnpm install - 4
Inicie o servidor de desenvolvimento do frontend
pnpm run dev
Antes de usar
- Para executar o projeto, são necessárias contas e chaves de API da OpenAI, Tavily, LangSmith e CopilotKit.
- O projeto é uma demonstração e foi consolidado no monorepo do CopilotKit, onde está disponível a versão mais recente.
Tópicos
Perguntas frequentes
- O que é open-research-ANA?
- Um app de demonstração de canvas de pesquisa em que um agente de IA faz buscas na web em tempo real com revisão humana, criado com CopilotKit, Tavily e LangGraph. open-research-ANA é uma demonstração de um Agent Native Application: um canvas de pesquisa onde o usuário e um agente de IA trabalham no mesmo documento. O agente faz buscas em tempo real com o Tavily e pausa em etapas importantes para receber contribuições humanas, permitindo que o usuário conduza a pesquisa em vez de apenas ler uma resposta final.
- open-research-ANA é gratuito? Qual é a licença?
- open-research-ANA não declara licença. O código é público, mas sem licença você não tem permissão explícita para reutilizá-lo; fale com o autor antes de depender dele.
- open-research-ANA ainda é mantido?
- Manutenção ativa. O último commit de open-research-ANA foi em 19 de out. de 2026.
- Para que posso usar open-research-ANA?
- Explorar um tema de pesquisa com um agente que busca na web e pede orientações Aprender a combinar agentes LangGraph com um frontend CopilotKit Criar protótipos de um assistente de pesquisa com participação humana
- Como instalar open-research-ANA?
- Instale os pré-requisitos: pnpm, Docker e LangGraph CLI Inicie o agente na pasta do agente: langgraph up Instale as dependências do frontend na pasta do frontend: pnpm install Inicie o servidor de desenvolvimento do frontend: pnpm run dev
- Onde consigo open-research-ANA?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/CopilotKit/open-research-ANA
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um harness de agentes para Python, com escolhas opinativas e tudo incluído, que executa tarefas longas e com várias etapas desde o início no LangGraph.
Um framework de agentes LLM da Microsoft que automatiza tarefas de P&D orientadas por dados, como ler artigos, implementar modelos e fatores e executar experimentos no estilo Kaggle.
SDK Python para criar agentes com Claude Code, usando query(), um cliente interativo, ferramentas personalizadas no processo e hooks.
Uma extensão do VS Code que transforma arquivos .chat.md simples em sessões de chat com IA editáveis e suporte a ferramentas MCP em vários provedores de LLM.
Infraestrutura de memória nativa para agentes, que transforma conversas e execuções de agentes LLM em memória persistente e estruturada para apps em Python e TypeScript.