Exa通过使用LangGraph创新多智能体网络研究系统

扎克·安德森

2025年7月1日 04:38

Exa推出了一种前沿的多代理网络研究系统，利用了LangGraph和LangSmith。该系统以令人印象深刻的速度和可靠性处理复杂查询。

Exa，搜索API行业的知名参与者，推出了其最新创新：一个复杂的多代理网络研究系统。根据LangChain的说法，该系统由LangGraph和LangSmith提供支持，旨在彻底改变复杂研究查询的处理方式。

向自主搜索的演变

Exa的高级系统之旅始于一个简单的搜索API。随着时间的推移，公司将其产品发展为包含一个答案端点，该端点将大型语言模型(LLM)的推理与搜索结果集成在一起。最新的发展是他们的深度研究代理，标志着他们真正进入了代理搜索API。这反映了整个行业朝着更加自主和长期运行的LLM应用程序的趋势。

向深度研究架构的过渡促使Exa采用LangGraph，这已成为处理日益复杂架构的首选框架。这一转变与行业趋势相一致，即更简单的设置被升级以处理更复杂的任务，例如研究和编码。

设计多智能体系统

Exa的系统具有基于LangGraph的多代理架构，由以下部分组成：

1. 规划器：分析查询并生成并行任务。
2. 任务：使用专业工具进行独立研究。
3. 观察者：监督整个过程，保持上下文和引用。

这种架构允许动态扩展，根据查询的复杂性调整任务数量。每个任务都提供特定的指令、所需的输出格式以及对Exa API工具的访问，确保从简单到复杂查询的高效处理。

关键设计洞察

Exa的系统强调结构化输出和高效的资源使用。通过优先对搜索片段进行推理而不是完全检索内容，该系统在保持研究质量的同时减少了令牌使用。这种方法对于API消费至关重要，在那里可靠和结构化的JSON输出是至关重要的。

Exa的设计选择受到其他行业领袖的启发，例如Anthropic Deep Research系统，融合了上下文工程和结构化数据输出的最佳实践。

利用 LangSmith 进行可观察性

LangSmith的可观察性功能，特别是在代币使用跟踪方面，在Exa的系统开发中发挥了关键作用。这一能力提供了对资源消耗的重要洞察，为定价模型提供了依据，并优化了性能。

Exa的工程师Mark Pekala强调了LangSmith易于设置的重要性，以及它对理解代币使用的贡献，这对系统的成本效益扩展至关重要。

结论

Exa对LangGraph和LangSmith的创新使用展示了多代理系统在高效处理复杂网络研究查询方面的潜力。该项目强调了类似努力的关键要点，例如可观察性、可重用性、结构化输出和动态任务生成的重要性。

随着Exa不断完善其深度研究代理，这一发展为构建强大、可投入生产的代理系统提供了模型，这些系统能够带来可观的商业价值。

图片来源：Shutterstock