langchain-ai/deep_research_from_scratch

O que é?

Recursos principais

• 01Cinco notebooks progressivos sobre definição de escopo, agentes que usam ferramentas, integração com MCP, padrões de supervisão e um pipeline completo
• 02Saída estruturada com schemas Pydantic para esclarecimento e geração de perguntas de pesquisa
• 03Subagentes de pesquisa paralelos, coordenados por um nó supervisor usando asyncio
• 04Busca na web pelo Tavily, com resumo do conteúdo dos resultados
• 05Provedores de modelos configuráveis por meio de chaves de API da OpenAI e da Anthropic

Casos de uso

• Aprender a criar agentes de pesquisa com várias etapas usando LangGraph
• Entender na prática como funcionam os padrões de supervisor e subagentes paralelos
• Adicionar servidores MCP como ferramentas a um fluxo de pesquisa baseado em LLM
• Usar os notebooks como ponto de partida para criar uma aplicação personalizada de pesquisa aprofundada

Início rápido

1. 1

   Instale o Node.js (inclui o npx) e o Python 3.11 ou superior

2. 2

   Instale o gerenciador de pacotes uv

3. 3

   Clone o repositório

   git clone https://github.com/langchain-ai/deep_research_from_scratch
4. 4

   Instale as dependências com uv

   uv sync

Antes de usar

• !São necessárias chaves de API de provedores de busca e modelos, como Tavily e OpenAI ou Anthropic.
• !Este repositório é um tutorial composto por notebooks, não uma ferramenta de pesquisa empacotada pronta para execução.

Em coleções

Tópicos

Perguntas frequentes

O que é deep_research_from_scratch?

Repositório tutorial com cinco notebooks Jupyter que ensinam, passo a passo, a criar do zero um agente de pesquisa aprofundada baseado em LangGraph. Agentes de pesquisa aprofundada recebem uma solicitação do usuário, esclarecem seu escopo, pesquisam em várias fontes e produzem um relatório abrangente. Este projeto ensina como criar um sistema assim usando LangGraph como camada de orquestração, em vez de apresentar um produto pronto.

deep_research_from_scratch é gratuito? Qual é a licença?

deep_research_from_scratch é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.

deep_research_from_scratch ainda é mantido?

Atualizado nos últimos 6 meses. O último commit de deep_research_from_scratch foi em 11 de ago. de 2026.

Para que posso usar deep_research_from_scratch?

Aprender a criar agentes de pesquisa com várias etapas usando LangGraph Entender na prática como funcionam os padrões de supervisor e subagentes paralelos Adicionar servidores MCP como ferramentas a um fluxo de pesquisa baseado em LLM Usar os notebooks como ponto de partida para criar uma aplicação personalizada de pesquisa aprofundada

Como instalar deep_research_from_scratch?

Instale o Node.js (inclui o npx) e o Python 3.11 ou superior Instale o gerenciador de pacotes uv Clone o repositório: git clone https://github.com/langchain-ai/deep_research_from_scratch Instale as dependências com uv: uv sync

Onde consigo deep_research_from_scratch?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/langchain-ai/deep_research_from_scratch