Exa ha lanzado un sistema de investigación web multiagente de vanguardia que aprovecha LangGraph y LangSmith. El sistema procesa consultas complejas con una velocidad y fiabilidad impresionantes.
Exa, un jugador prominente en la industria de API de búsqueda, ha desvelado su última innovación: un sofisticado sistema de investigación web de múltiples agentes. Este desarrollo está impulsado por LangGraph y LangSmith, y tiene como objetivo revolucionar la forma en que se procesan las consultas de investigación complejas, según LangChain.
La Evolución hacia la Búsqueda Agente
El viaje de Exa hacia este sistema avanzado comenzó con una API de búsqueda simple. Con el tiempo, la compañía evolucionó sus ofertas para incluir un punto final de respuestas que integraba el razonamiento del modelo de lenguaje grande (LLM) con los resultados de búsqueda. El último desarrollo es su agente de investigación profunda, marcando su entrada en verdaderas APIs de búsqueda agentes. Esto refleja una tendencia más amplia en la industria hacia aplicaciones de LLM más autónomas y de larga duración.
La transición a una arquitectura de investigación profunda llevó a Exa a adoptar LangGraph, que se ha convertido en un marco preferido para manejar arquitecturas cada vez más complejas. Este cambio está en línea con los movimientos de la industria donde configuraciones más simples se actualizan para manejar tareas más sofisticadas, como la investigación y la codificación.
Diseñando un Sistema Multi-Agente
El sistema de Exa cuenta con una arquitectura de múltiples agentes basada en LangGraph, que consiste en:
Planificador: Analiza consultas y genera tareas paralelas.
Observador: Supervisa todo el proceso, manteniendo el contexto y las citas.
Esta arquitectura permite la escalabilidad dinámica, ajustando el número de tareas según la complejidad de la consulta. A cada tarea se le proporcionan instrucciones específicas, formatos de salida requeridos y acceso a las herramientas API de Exa, asegurando un procesamiento eficiente desde consultas simples hasta complejas.
Perspectivas clave de diseño
El sistema de Exa enfatiza la salida estructurada y el uso eficiente de recursos. Al priorizar el razonamiento sobre fragmentos de búsqueda antes de la recuperación completa del contenido, el sistema reduce el uso de tokens mientras mantiene la calidad de la investigación. Este enfoque es vital para el consumo de API, donde las salidas JSON confiables y estructuradas son cruciales.
Las elecciones de diseño de Exa se inspiran en otros líderes de la industria, como el sistema de Investigación Profunda de Anthropic, incorporando las mejores prácticas en ingeniería de contexto y salida de datos estructurados.
Utilizando LangSmith para la Observabilidad
Las características de observabilidad de LangSmith, particularmente en el seguimiento del uso de tokens, jugaron un papel crítico en el desarrollo del sistema de Exa. Esta capacidad proporcionó información esencial sobre el consumo de recursos, informando modelos de precios y optimizando el rendimiento.
Mark Pekala, un ingeniero de software en Exa, enfatizó la importancia de la facilidad de configuración de LangSmith y su contribución a la comprensión del uso de tokens, lo cual fue fundamental para la escalabilidad rentable del sistema.
Conclusión
El uso innovador de LangGraph y LangSmith por parte de Exa muestra el potencial de los sistemas multiagente para manejar consultas complejas de investigación en la web de manera eficiente. El proyecto destaca las lecciones clave para esfuerzos similares, como la importancia de la observabilidad, la reutilización, las salidas estructuradas y la generación dinámica de tareas.
A medida que Exa continúa refinando su agente de investigación profunda, este desarrollo sirve como modelo para construir sistemas agenticos robustos y listos para producción que ofrezcan un valor empresarial sustancial.
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 innova con un sistema de investigación web de múltiples agentes utilizando LangGraph
Zach Anderson
01 de julio de 2025 04:38
Exa ha lanzado un sistema de investigación web multiagente de vanguardia que aprovecha LangGraph y LangSmith. El sistema procesa consultas complejas con una velocidad y fiabilidad impresionantes.
Exa, un jugador prominente en la industria de API de búsqueda, ha desvelado su última innovación: un sofisticado sistema de investigación web de múltiples agentes. Este desarrollo está impulsado por LangGraph y LangSmith, y tiene como objetivo revolucionar la forma en que se procesan las consultas de investigación complejas, según LangChain.
La Evolución hacia la Búsqueda Agente
El viaje de Exa hacia este sistema avanzado comenzó con una API de búsqueda simple. Con el tiempo, la compañía evolucionó sus ofertas para incluir un punto final de respuestas que integraba el razonamiento del modelo de lenguaje grande (LLM) con los resultados de búsqueda. El último desarrollo es su agente de investigación profunda, marcando su entrada en verdaderas APIs de búsqueda agentes. Esto refleja una tendencia más amplia en la industria hacia aplicaciones de LLM más autónomas y de larga duración.
La transición a una arquitectura de investigación profunda llevó a Exa a adoptar LangGraph, que se ha convertido en un marco preferido para manejar arquitecturas cada vez más complejas. Este cambio está en línea con los movimientos de la industria donde configuraciones más simples se actualizan para manejar tareas más sofisticadas, como la investigación y la codificación.
Diseñando un Sistema Multi-Agente
El sistema de Exa cuenta con una arquitectura de múltiples agentes basada en LangGraph, que consiste en:
Esta arquitectura permite la escalabilidad dinámica, ajustando el número de tareas según la complejidad de la consulta. A cada tarea se le proporcionan instrucciones específicas, formatos de salida requeridos y acceso a las herramientas API de Exa, asegurando un procesamiento eficiente desde consultas simples hasta complejas.
Perspectivas clave de diseño
El sistema de Exa enfatiza la salida estructurada y el uso eficiente de recursos. Al priorizar el razonamiento sobre fragmentos de búsqueda antes de la recuperación completa del contenido, el sistema reduce el uso de tokens mientras mantiene la calidad de la investigación. Este enfoque es vital para el consumo de API, donde las salidas JSON confiables y estructuradas son cruciales.
Las elecciones de diseño de Exa se inspiran en otros líderes de la industria, como el sistema de Investigación Profunda de Anthropic, incorporando las mejores prácticas en ingeniería de contexto y salida de datos estructurados.
Utilizando LangSmith para la Observabilidad
Las características de observabilidad de LangSmith, particularmente en el seguimiento del uso de tokens, jugaron un papel crítico en el desarrollo del sistema de Exa. Esta capacidad proporcionó información esencial sobre el consumo de recursos, informando modelos de precios y optimizando el rendimiento.
Mark Pekala, un ingeniero de software en Exa, enfatizó la importancia de la facilidad de configuración de LangSmith y su contribución a la comprensión del uso de tokens, lo cual fue fundamental para la escalabilidad rentable del sistema.
Conclusión
El uso innovador de LangGraph y LangSmith por parte de Exa muestra el potencial de los sistemas multiagente para manejar consultas complejas de investigación en la web de manera eficiente. El proyecto destaca las lecciones clave para esfuerzos similares, como la importancia de la observabilidad, la reutilización, las salidas estructuradas y la generación dinámica de tareas.
A medida que Exa continúa refinando su agente de investigación profunda, este desarrollo sirve como modelo para construir sistemas agenticos robustos y listos para producción que ofrezcan un valor empresarial sustancial.
Fuente de la imagen: Shutterstock