OpenAI Deep Researchの月額200ドルサブスク不要オープンソース代替案

OpenAIが月額200ドルのProプランの一部としてDeep Researchを開始したとき、開発者たちは即座に二つのことを望みました：実際のトークン使用量だけを支払うこと、そして自分のモデルを持ち込むことです。週に数回の複雑なリサーチタスクのために200ドルを支払うことは、多くの人にとって魅力的ではありません。

HKUDSの研究チームは、AutoAgentフレームワークからリサーチエージェントを抽出し、スタンドアロンのリポジトリHKUDS/Auto-Deep-Researchとしてパッケージ化しました。このプロジェクトはローカルで実行され、隔離されたDocker環境を自動的にセットアップし、カスタムLLMプロバイダを通じてWebページを閲覧できます。

プロジェクトの中身

Auto-Deep-Researchはマルチステップの情報収集を行います。複雑な質問を入力すると、エージェントが計画を立案し、記事を検索し、Webサイトを訪問し、ページを解析し、発見を最終レポートにまとめます。

アーキテクチャは、複数のエージェントシステムコンポーネントから着想を得ています：

• ブラウザやスクリプトを安全に実行するためのDocker内の隔離実行環境
• LiteLLM統合により、OpenAI、Anthropic、Gemini、Mistral、HuggingFaceモデル、およびvLLM経由のローカル重みに対応
• ネイティブ関数呼び出しのあるモデルとないモデルの両方をサポート
• 分析用にローカルファイルをエージェントに供給する機能

GAIAベンチマークでは、オープンソースエージェント実装の中で堅調な結果を示しています。

クイックスタートとDockerでの実行

DockerとPython 3.10がインストールされている必要があります。このユーティリティはプロセッサアーキテクチャ（x86またはARM）に応じて適切なコンテナイメージを自動的にプルするため、Dockerfileを手動でビルドする必要はありません。

仮想環境でのパッケージインストール：

conda create -n auto_deep_research python=3.10
conda activate auto_deep_research
git clone https://github.com/HKUDS/Auto-Deep-Research.git
cd Auto-Deep-Research
pip install -e .

次に、使用するAPIキーで.envファイルを作成します。すべて埋める必要はなく、使用予定のプロバイダのキーを追加するだけです。

様々なモデルでの実行

デフォルトでは、ツールはclaude-3-5-sonnet-20241022を対象としていますが、環境変数を通じて起動コマンド直前でモデルを上書きできます。

Anthropicで実行する場合：

# в .env задаем ANTHROPIC_API_KEY
auto deep-research

OpenAIの場合：

# в .env задаем OPENAI_API_KEY
COMPLETION_MODEL=gpt-4o auto deep-research

OpenRouterまたは公式API経由で安価なDeepSeek-R1を実行したい場合：

# через OpenRouter
OPENROUTER_API_KEY=your_key COMPLETION_MODEL=openrouter/deepseek/deepseek-r1 auto deep-research

# напрямую через DeepSeek
DEEPSEEK_API_KEY=your_key COMPLETION_MODEL=deepseek/deepseek-chat auto deep-research

高速な蒸留モデルを提供するGroqもサポートされています：

GROQ_API_KEY=your_key COMPLETION_MODEL=groq/deepseek-r1-distill-llama-70b auto deep-research

デフォルトポート12346が他のサービスで使用されている場合、ユーティリティは--container_nameと--portパラメータを受け入れます。

実践的な詳細：認証とファイル

リサーチエージェントにおける一般的な課題は、ペイウォールと制限付きサイトです。ボットがログインが必要なページにアクセスすると、立ち往生してしまいます。

著者は、ブラウザのCookieをエージェントが実行されているコンテナに直接渡す方法を追加しました。リポジトリには、JSON形式でエクスポートしたCookieを配置できるmetachain/environment/cookie_json/フォルダがあります。その後、エージェントは閉じたポータルや科学データベースにログイン状態でアクセスできます。

独自のドキュメントを読み込むこともできます。エージェントはアップロードしたファイルのデータとWebからの情報を相互参照し、結論を導き出す際にコンテキストを考慮します。

制限事項と荒削りな部分

このプロジェクトは出たばかりなので、荒削りな部分是たくさんあります：

• まだ完全なWebインターフェースがない——すべてコンソールで実行（開発者は今後のリリースでGUIを追加すると約束）
• リポジトリのドキュメントは稀疏で、設定のニュアンスを理解するにはAutoAgentパッケージのソースコードを掘り下げる必要がある場合も
• 複雑なページでエージェントがループすると、リasoningモデルでのトークン消費が驚くほど高くなる可能性がある

誰が試すべきか

Auto-Deep-Researchは、詳細な技術レビューや製品レビューを定期的に必要とするが、OpenAIのProプランに過払いしたくない人々に役立ちます。ローカルvLLMまたは手頃なDeepSeek APIと組み合わせることで、このプロジェクトは少額のコストで便利なワークツールになります。Dockerがすでにセットアップ済みなら、デプロイはliterally5分で完了します。