Exa通過使用LangGraph創新多智能體網路研究系統

扎克·安德森

2025年7月1日 04:38

Exa推出了一種前沿的多代理網路研究系統，利用了LangGraph和LangSmith。該系統以令人印象深刻的速度和可靠性處理復雜查詢。

Exa，搜索API行業的知名參與者，推出了其最新創新：一個復雜的多代理網路研究系統。根據LangChain的說法，該系統由LangGraph和LangSmith提供支持，旨在徹底改變復雜研究查詢的處理方式。

向自主搜索的演變

Exa的高級系統之旅始於一個簡單的搜索API。隨着時間的推移，公司將其產品發展爲包含一個答案端點，該端點將大型語言模型(LLM)的推理與搜索結果集成在一起。最新的發展是他們的深度研究代理，標志着他們真正進入了代理搜索API。這反映了整個行業朝着更加自主和長期運行的LLM應用程序的趨勢。

向深度研究架構的過渡促使Exa採用LangGraph，這已成爲處理日益復雜架構的首選框架。這一轉變與行業趨勢相一致，即更簡單的設置被升級以處理更復雜的任務，例如研究和編碼。

設計多智能體系統

Exa的系統具有基於LangGraph的多代理架構，由以下部分組成：

1. 規劃器：分析查詢並生成並行任務。
2. 任務：使用專業工具進行獨立研究。
3. 觀察者：監督整個過程，保持上下文和引用。

這種架構允許動態擴展，根據查詢的復雜性調整任務數量。每個任務都提供特定的指令、所需的輸出格式以及對Exa API工具的訪問，確保從簡單到復雜查詢的高效處理。

關鍵設計洞察

Exa的系統強調結構化輸出和高效的資源使用。通過優先對搜索片段進行推理而不是完全檢索內容，該系統在保持研究質量的同時減少了令牌使用。這種方法對於API消費至關重要，在那裏可靠和結構化的JSON輸出是至關重要的。

Exa的設計選擇受到其他行業領袖的啓發，例如Anthropic Deep Research系統，融合了上下文工程和結構化數據輸出的最佳實踐。

利用 LangSmith 進行可觀察性

LangSmith的可觀察性功能，特別是在代幣使用跟蹤方面，在Exa的系統開發中發揮了關鍵作用。這一能力提供了對資源消耗的重要洞察，爲定價模型提供了依據，並優化了性能。

Exa的工程師Mark Pekala強調了LangSmith易於設置的重要性，以及它對理解代幣使用的貢獻，這對系統的成本效益擴展至關重要。

結論

Exa對LangGraph和LangSmith的創新使用展示了多代理系統在高效處理復雜網路研究查詢方面的潛力。該項目強調了類似努力的關鍵要點，例如可觀察性、可重用性、結構化輸出和動態任務生成的重要性。

隨着Exa不斷完善其深度研究代理，這一發展爲構建強大、可投入生產的代理系統提供了模型，這些系統能夠帶來可觀的商業價值。

圖片來源：Shutterstock