Exa telah meluncurkan sistem penelitian web multi-agen canggih yang memanfaatkan LangGraph dan LangSmith. Sistem ini memproses query kompleks dengan kecepatan dan keandalan yang mengesankan.
Exa, pemain terkemuka di industri API pencarian, telah meluncurkan inovasi terbarunya: sebuah sistem penelitian web multi-agen yang canggih. Pengembangan ini didukung oleh LangGraph dan LangSmith, dan bertujuan untuk merevolusi cara kueri penelitian kompleks diproses, menurut LangChain.
Evolusi Menuju Pencarian Agens
Perjalanan Exa menuju sistem canggih ini dimulai dengan API pencarian sederhana. Seiring berjalannya waktu, perusahaan mengembangkan penawarannya untuk mencakup endpoint jawaban yang mengintegrasikan pemodelan bahasa besar (LLM) dengan hasil pencarian. Perkembangan terbaru adalah agen penelitian mendalam mereka, menandai langkah mereka ke dalam API pencarian yang benar-benar agensif. Ini mencerminkan tren industri yang lebih luas menuju aplikasi LLM yang lebih otonom dan berjalan lama.
Transisi ke arsitektur penelitian mendalam mendorong Exa untuk mengadopsi LangGraph, yang telah menjadi kerangka kerja yang diutamakan untuk menangani arsitektur yang semakin kompleks. Pergeseran ini selaras dengan pergerakan industri di mana pengaturan yang lebih sederhana ditingkatkan untuk menangani tugas yang lebih canggih, seperti penelitian dan pengkodean.
Merancang Sistem Multi-Agen
Sistem Exa memiliki arsitektur multi-agen yang dibangun di atas LangGraph, yang terdiri dari:
Perencana: Menganalisis kueri dan menghasilkan tugas paralel.
Tugas: Melakukan penelitian independen menggunakan alat khusus.
Pengamat: Mengawasi seluruh proses, menjaga konteks dan kutipan.
Arsitektur ini memungkinkan penskalaan dinamis, menyesuaikan jumlah tugas berdasarkan kompleksitas kueri. Setiap tugas diberikan instruksi khusus, format output yang diperlukan, dan akses ke alat API Exa, memastikan pemrosesan yang efisien dari kueri yang sederhana hingga yang kompleks.
Wawasan Desain Utama
Sistem Exa menekankan keluaran terstruktur dan penggunaan sumber daya yang efisien. Dengan memprioritaskan penalaran pada cuplikan pencarian sebelum pengambilan konten penuh, sistem ini mengurangi penggunaan token sambil mempertahankan kualitas penelitian. Pendekatan ini sangat penting untuk konsumsi API, di mana keluaran JSON yang dapat diandalkan dan terstruktur sangat penting.
Pilihan desain Exa terinspirasi oleh pemimpin industri lainnya, seperti sistem Penelitian Dalam yang Anthropic, menggabungkan praktik terbaik dalam rekayasa konteks dan keluaran data terstruktur.
Memanfaatkan LangSmith untuk Observabilitas
Fitur observabilitas LangSmith, terutama dalam pelacakan penggunaan token, memainkan peran penting dalam pengembangan sistem Exa. Kemampuan ini memberikan wawasan penting tentang konsumsi sumber daya, memberitahukan model harga dan mengoptimalkan kinerja.
Mark Pekala, seorang insinyur perangkat lunak di Exa, menekankan pentingnya kemudahan pengaturan LangSmith dan kontribusinya dalam memahami penggunaan token, yang sangat penting untuk skala biaya yang efektif dari sistem tersebut.
Kesimpulan
Penggunaan inovatif Exa terhadap LangGraph dan LangSmith menunjukkan potensi sistem multi-agen dalam menangani kueri penelitian web yang kompleks secara efisien. Proyek ini menyoroti hal-hal penting untuk upaya serupa, seperti pentingnya observabilitas, keterpakgunaan kembali, keluaran terstruktur, dan generasi tugas dinamis.
Seiring Exa terus memperbaiki agen penelitian mendalamnya, perkembangan ini berfungsi sebagai model untuk membangun sistem agensi yang tangguh dan siap produksi yang memberikan nilai bisnis yang substansial.
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 Berinovasi dengan Sistem Penelitian Web Multi-Agen Menggunakan LangGraph
Zach Anderson
01 Jul 2025 04:38
Exa telah meluncurkan sistem penelitian web multi-agen canggih yang memanfaatkan LangGraph dan LangSmith. Sistem ini memproses query kompleks dengan kecepatan dan keandalan yang mengesankan.
Exa, pemain terkemuka di industri API pencarian, telah meluncurkan inovasi terbarunya: sebuah sistem penelitian web multi-agen yang canggih. Pengembangan ini didukung oleh LangGraph dan LangSmith, dan bertujuan untuk merevolusi cara kueri penelitian kompleks diproses, menurut LangChain.
Evolusi Menuju Pencarian Agens
Perjalanan Exa menuju sistem canggih ini dimulai dengan API pencarian sederhana. Seiring berjalannya waktu, perusahaan mengembangkan penawarannya untuk mencakup endpoint jawaban yang mengintegrasikan pemodelan bahasa besar (LLM) dengan hasil pencarian. Perkembangan terbaru adalah agen penelitian mendalam mereka, menandai langkah mereka ke dalam API pencarian yang benar-benar agensif. Ini mencerminkan tren industri yang lebih luas menuju aplikasi LLM yang lebih otonom dan berjalan lama.
Transisi ke arsitektur penelitian mendalam mendorong Exa untuk mengadopsi LangGraph, yang telah menjadi kerangka kerja yang diutamakan untuk menangani arsitektur yang semakin kompleks. Pergeseran ini selaras dengan pergerakan industri di mana pengaturan yang lebih sederhana ditingkatkan untuk menangani tugas yang lebih canggih, seperti penelitian dan pengkodean.
Merancang Sistem Multi-Agen
Sistem Exa memiliki arsitektur multi-agen yang dibangun di atas LangGraph, yang terdiri dari:
Arsitektur ini memungkinkan penskalaan dinamis, menyesuaikan jumlah tugas berdasarkan kompleksitas kueri. Setiap tugas diberikan instruksi khusus, format output yang diperlukan, dan akses ke alat API Exa, memastikan pemrosesan yang efisien dari kueri yang sederhana hingga yang kompleks.
Wawasan Desain Utama
Sistem Exa menekankan keluaran terstruktur dan penggunaan sumber daya yang efisien. Dengan memprioritaskan penalaran pada cuplikan pencarian sebelum pengambilan konten penuh, sistem ini mengurangi penggunaan token sambil mempertahankan kualitas penelitian. Pendekatan ini sangat penting untuk konsumsi API, di mana keluaran JSON yang dapat diandalkan dan terstruktur sangat penting.
Pilihan desain Exa terinspirasi oleh pemimpin industri lainnya, seperti sistem Penelitian Dalam yang Anthropic, menggabungkan praktik terbaik dalam rekayasa konteks dan keluaran data terstruktur.
Memanfaatkan LangSmith untuk Observabilitas
Fitur observabilitas LangSmith, terutama dalam pelacakan penggunaan token, memainkan peran penting dalam pengembangan sistem Exa. Kemampuan ini memberikan wawasan penting tentang konsumsi sumber daya, memberitahukan model harga dan mengoptimalkan kinerja.
Mark Pekala, seorang insinyur perangkat lunak di Exa, menekankan pentingnya kemudahan pengaturan LangSmith dan kontribusinya dalam memahami penggunaan token, yang sangat penting untuk skala biaya yang efektif dari sistem tersebut.
Kesimpulan
Penggunaan inovatif Exa terhadap LangGraph dan LangSmith menunjukkan potensi sistem multi-agen dalam menangani kueri penelitian web yang kompleks secara efisien. Proyek ini menyoroti hal-hal penting untuk upaya serupa, seperti pentingnya observabilitas, keterpakgunaan kembali, keluaran terstruktur, dan generasi tugas dinamis.
Seiring Exa terus memperbaiki agen penelitian mendalamnya, perkembangan ini berfungsi sebagai model untuk membangun sistem agensi yang tangguh dan siap produksi yang memberikan nilai bisnis yang substansial.
Sumber gambar: Shutterstock