A Exa lançou um sistema de pesquisa na web multi-agente de ponta que utiliza o LangGraph e o LangSmith. O sistema processa consultas complexas com uma velocidade e confiabilidade impressionantes.
A Exa, um player proeminente na indústria de API de busca, revelou sua mais recente inovação: um sofisticado sistema de pesquisa na web com múltiplos agentes. Este desenvolvimento é alimentado pelo LangGraph e LangSmith, e visa revolucionar a forma como consultas de pesquisa complexas são processadas, segundo o LangChain.
A Evolução para a Busca Agente
A jornada da Exa para este sistema avançado começou com uma API de busca simples. Com o tempo, a empresa evoluiu suas ofertas para incluir um endpoint de respostas que integrou o raciocínio do modelo de linguagem grande (LLM) com os resultados de busca. O mais recente desenvolvimento é seu agente de pesquisa profunda, marcando sua entrada em APIs de busca verdadeiramente agentes. Isso reflete uma tendência mais ampla da indústria em direção a aplicações LLM mais autônomas e de longa duração.
A transição para uma arquitetura de pesquisa profunda levou a Exa a adotar o LangGraph, que se tornou uma estrutura preferida para lidar com arquiteturas cada vez mais complexas. Essa mudança está alinhada com os movimentos da indústria onde configurações mais simples são atualizadas para lidar com tarefas mais sofisticadas, como pesquisa e codificação.
Projetando um Sistema Multi-Agente
O sistema da Exa apresenta uma arquitetura multi-agente construída sobre o LangGraph, consistindo em:
Planejador: Analisa consultas e gera tarefas paralelas.
Observador: Supervisiona todo o processo, mantendo contexto e citações.
Esta arquitetura permite escalonamento dinâmico, ajustando o número de tarefas com base na complexidade da consulta. Cada tarefa é fornecida com instruções específicas, formatos de saída necessários e acesso às ferramentas da API da Exa, garantindo um processamento eficiente de consultas simples a complexas.
Principais Insights de Design
O sistema da Exa enfatiza a saída estruturada e o uso eficiente de recursos. Ao priorizar o raciocínio sobre os trechos de pesquisa antes da recuperação do conteúdo completo, o sistema reduz o uso de tokens enquanto mantém a qualidade da pesquisa. Esta abordagem é vital para o consumo de API, onde saídas JSON confiáveis e estruturadas são cruciais.
As escolhas de design da Exa são inspiradas em outros líderes da indústria, como o sistema de Pesquisa Profunda da Anthropic, incorporando as melhores práticas em engenharia de contexto e saída de dados estruturados.
Utilizando o LangSmith para Observabilidade
Os recursos de observabilidade da LangSmith, particularmente no rastreamento do uso de tokens, desempenharam um papel crítico no desenvolvimento do sistema da Exa. Esta capacidade forneceu informações essenciais sobre o consumo de recursos, informando modelos de preços e otimizando o desempenho.
Mark Pekala, um engenheiro de software na Exa, enfatizou a importância da facilidade de configuração do LangSmith e sua contribuição para entender o uso de tokens, o que foi fundamental para a escalabilidade econômica do sistema.
Conclusão
O uso inovador de LangGraph e LangSmith pela Exa demonstra o potencial dos sistemas multi-agente na gestão de consultas complexas de pesquisa na web de forma eficiente. O projeto destaca lições-chave para empreendimentos semelhantes, como a importância da observabilidade, reutilização, saídas estruturadas e geração dinâmica de tarefas.
À medida que a Exa continua a aprimorar seu agente de pesquisa profunda, esse desenvolvimento serve como um modelo para construir sistemas agentes robustos e prontos para produção que oferecem um valor comercial substancial.
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 inova com um sistema de pesquisa na web multi-agente usando LangGraph
Zach Anderson
01 de jul. de 2025 04:38
A Exa lançou um sistema de pesquisa na web multi-agente de ponta que utiliza o LangGraph e o LangSmith. O sistema processa consultas complexas com uma velocidade e confiabilidade impressionantes.
A Exa, um player proeminente na indústria de API de busca, revelou sua mais recente inovação: um sofisticado sistema de pesquisa na web com múltiplos agentes. Este desenvolvimento é alimentado pelo LangGraph e LangSmith, e visa revolucionar a forma como consultas de pesquisa complexas são processadas, segundo o LangChain.
A Evolução para a Busca Agente
A jornada da Exa para este sistema avançado começou com uma API de busca simples. Com o tempo, a empresa evoluiu suas ofertas para incluir um endpoint de respostas que integrou o raciocínio do modelo de linguagem grande (LLM) com os resultados de busca. O mais recente desenvolvimento é seu agente de pesquisa profunda, marcando sua entrada em APIs de busca verdadeiramente agentes. Isso reflete uma tendência mais ampla da indústria em direção a aplicações LLM mais autônomas e de longa duração.
A transição para uma arquitetura de pesquisa profunda levou a Exa a adotar o LangGraph, que se tornou uma estrutura preferida para lidar com arquiteturas cada vez mais complexas. Essa mudança está alinhada com os movimentos da indústria onde configurações mais simples são atualizadas para lidar com tarefas mais sofisticadas, como pesquisa e codificação.
Projetando um Sistema Multi-Agente
O sistema da Exa apresenta uma arquitetura multi-agente construída sobre o LangGraph, consistindo em:
Esta arquitetura permite escalonamento dinâmico, ajustando o número de tarefas com base na complexidade da consulta. Cada tarefa é fornecida com instruções específicas, formatos de saída necessários e acesso às ferramentas da API da Exa, garantindo um processamento eficiente de consultas simples a complexas.
Principais Insights de Design
O sistema da Exa enfatiza a saída estruturada e o uso eficiente de recursos. Ao priorizar o raciocínio sobre os trechos de pesquisa antes da recuperação do conteúdo completo, o sistema reduz o uso de tokens enquanto mantém a qualidade da pesquisa. Esta abordagem é vital para o consumo de API, onde saídas JSON confiáveis e estruturadas são cruciais.
As escolhas de design da Exa são inspiradas em outros líderes da indústria, como o sistema de Pesquisa Profunda da Anthropic, incorporando as melhores práticas em engenharia de contexto e saída de dados estruturados.
Utilizando o LangSmith para Observabilidade
Os recursos de observabilidade da LangSmith, particularmente no rastreamento do uso de tokens, desempenharam um papel crítico no desenvolvimento do sistema da Exa. Esta capacidade forneceu informações essenciais sobre o consumo de recursos, informando modelos de preços e otimizando o desempenho.
Mark Pekala, um engenheiro de software na Exa, enfatizou a importância da facilidade de configuração do LangSmith e sua contribuição para entender o uso de tokens, o que foi fundamental para a escalabilidade econômica do sistema.
Conclusão
O uso inovador de LangGraph e LangSmith pela Exa demonstra o potencial dos sistemas multi-agente na gestão de consultas complexas de pesquisa na web de forma eficiente. O projeto destaca lições-chave para empreendimentos semelhantes, como a importância da observabilidade, reutilização, saídas estruturadas e geração dinâmica de tarefas.
À medida que a Exa continua a aprimorar seu agente de pesquisa profunda, esse desenvolvimento serve como um modelo para construir sistemas agentes robustos e prontos para produção que oferecem um valor comercial substancial.
Fonte da imagem: Shutterstock