LangChain запустили Open Deep Research — open-source решение для построения агентских цепочек исследований с LLM Пока все крупные игроки (OpenAI, Anthropic, Perplexity, Google) выпускают свои проприетарные решения для deep research, LangChain создали открытую альтернативу на базе LangGraph. Что внутри: • Трёхэтапный процесс: уточнение задачи → исследование → написание отчёта • Мульти-агентная архитектура с супервизором и под-агентами для параллелизации • Гибкость — можно подключить любые модели, поисковые инструменты и MCP-сервера Ключевые инсайты: • Мульти-агенты хороши только для легко распараллеливаемых задач (исследование), но плохи для координации (написание отчёта); • Контекст-инжиниринг критически важен — без него расход токенов взлетает в 15 раз; • Изоляция контекста по подтемам решает проблемы длинного контекста Интересно как решили проблему координации: Изначально пытались параллельно писать разные секции отчёта разными агентами — получалась каша. Поэтому оставили мульти-агентность только для сбора информации, а финальный отчёт генерируют one-shot после завершения всех исследований. Простое, но эффективное решение дилеммы скорости vs качества Где попробовать: Можно потестить прямо на демо-инстансе их Open Agent Platform — просто вводишь API ключи и пользуешься. Или запускаешь локально через LangGraph Studio. Код на GitHub Новость в блоге LangChain