deep_research_from_scratch 可以免费使用吗？用的什么许可证？

deep_research_from_scratch 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

deep_research_from_scratch 还在维护吗？

半年内有更新。deep_research_from_scratch 最近一次提交是在 2026年8月11日。

deep_research_from_scratch 适合用来做什么？

学习如何使用 LangGraph 构建多步骤研究智能体理解 Supervisor 与并行子智能体模式的实际实现方式将 MCP 服务器作为工具接入基于大模型的研究流程以这些 Notebook 为起点，开发自己的深度研究应用

deep_research_from_scratch 怎么安装和运行？

安装 Node.js（含 npx）和 Python 3.11 或更高版本安装 uv 包管理器克隆仓库: git clone https://github.com/langchain-ai/deep_research_from_scratch 使用 uv 安装依赖: uv sync

在哪里获取 deep_research_from_scratch？

源代码和安装说明在 GitHub 上：https://github.com/langchain-ai/deep_research_from_scratch

langchain-ai/deep_research_from_scratch

Q: deep_research_from_scratch 是什么？

通过五个 Jupyter 笔记本，从零搭建基于 LangGraph 的深度研究智能体教程。 深度研究智能体接收用户请求，先明确研究范围，再检索多个来源，最后撰写完整报告。本项目以教程形式讲解这类系统的构建方法，核心编排层使用 LangGraph，而不是提供一个现成的产品。

Q: deep_research_from_scratch 怎么安装和运行？

安装 Node.js（含 npx）和 Python 3.11 或更高版本 安装 uv 包管理器 克隆仓库: git clone https://github.com/langchain-ai/deep_research_from_scratch 使用 uv 安装依赖: uv sync

通过五个 Jupyter 笔记本，从零搭建基于 LangGraph 的深度研究智能体教程。

在 GitHub 查看

Star: 809
Fork: 271
未关闭 Issue: 10
最近提交: 2个月前

这是什么？

深度研究智能体接收用户请求，先明确研究范围，再检索多个来源，最后撰写完整报告。本项目以教程形式讲解这类系统的构建方法，核心编排层使用 LangGraph，而不是提供一个现成的产品。

项目由五个 Notebook 组成，逐步搭建系统：用户澄清与研究简报生成、使用 Tavily 搜索的工具调用研究智能体、通过 LangChain MCP 适配器接入 MCP 服务器、将研究任务分派给并行子智能体的 Supervisor，以及把以上组件整合为“范围界定、研究、撰写”完整流程的端到端系统。

运行项目需要 Python 3.11 或更高版本、uv 依赖管理工具，以及 OpenAI 或 Anthropic 的模型密钥和 Tavily 搜索密钥。MCP 示例还需要 Node.js，LangSmith 追踪为可选项。

核心功能

01五个循序渐进的 Notebook，涵盖范围界定、工具调用智能体、MCP 集成、Supervisor 模式和完整流程
02使用 Pydantic 结构化输出生成澄清问题和研究问题
03由 Supervisor 节点通过 asyncio 协调并行运行的研究子智能体
04通过 Tavily 进行网页搜索，并对搜索结果做内容摘要
05支持 OpenAI 和 Anthropic 模型接口

适用场景

学习如何使用 LangGraph 构建多步骤研究智能体
理解 Supervisor 与并行子智能体模式的实际实现方式
将 MCP 服务器作为工具接入基于大模型的研究流程
以这些 Notebook 为起点，开发自己的深度研究应用

快速上手

1
安装 Node.js（含 npx）和 Python 3.11 或更高版本
2
安装 uv 包管理器
3
克隆仓库
git clone https://github.com/langchain-ai/deep_research_from_scratch
4
使用 uv 安装依赖
uv sync

使用前须知

需要 Tavily 以及 OpenAI 或 Anthropic 等模型服务的 API 密钥。
这是一个教程性质的 notebook 仓库，而不是可直接开箱即用的研究工具。

收录于专题

开源 AI Agent 框架与应用 MCP Server 精选

常见问题

deep_research_from_scratch 是什么？: 通过五个 Jupyter 笔记本，从零搭建基于 LangGraph 的深度研究智能体教程。深度研究智能体接收用户请求，先明确研究范围，再检索多个来源，最后撰写完整报告。本项目以教程形式讲解这类系统的构建方法，核心编排层使用 LangGraph，而不是提供一个现成的产品。
deep_research_from_scratch 可以免费使用吗？用的什么许可证？: deep_research_from_scratch 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
deep_research_from_scratch 还在维护吗？: 半年内有更新。deep_research_from_scratch 最近一次提交是在 2026年8月11日。
deep_research_from_scratch 适合用来做什么？: 学习如何使用 LangGraph 构建多步骤研究智能体理解 Supervisor 与并行子智能体模式的实际实现方式将 MCP 服务器作为工具接入基于大模型的研究流程以这些 Notebook 为起点，开发自己的深度研究应用
deep_research_from_scratch 怎么安装和运行？: 安装 Node.js（含 npx）和 Python 3.11 或更高版本安装 uv 包管理器克隆仓库: git clone https://github.com/langchain-ai/deep_research_from_scratch 使用 uv 安装依赖: uv sync
在哪里获取 deep_research_from_scratch？: 源代码和安装说明在 GitHub 上：https://github.com/langchain-ai/deep_research_from_scratch

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。