📝

LangChainのOpen Deep ResearchをAmazon Bedrock経由で使う

T-KND

2025/06/24に公開

はじめに

LangChainのOpen Deep ResearchをAmazon Bedrock経由で使ってみるときにエラーがいくつか出て引っかかったので備忘録として書いておきます。

2025年6月20日時点（最新コミットID：e5a5160a398a3699857d00d8569cb7fd0ac48a4f）のコードでは以下の変更で動かせることを確認しています。

ちなみに本ライブラリをテーマにこちらのLT会でお話ししました（資料）。

前提

マルチエージェント型のみ記載
Web検索ツール：Tavily
使用するLLM：Bedrock経由のClaude 3.5 Haiku
上記リポジトリをクローンしておく
- ローカルでLangGraph Studioを起動してレポート生成を試せるため。
動作環境：Mac PC

コードの変更

configuration.py

open_deep_research/src/open_deep_research/configuration.pyの84行目と85行目に以下を追加します。
Web検索ツール内のsummarization_modelとエージェント（supervisor_modelとresearcher_model）に設定するリージョンやAWSプロファイル名などを格納します。

@@ +78,78 +84,84 +85,85 @@
+ summarization_model_kwargs: Optional[Dict[str, Any]] = None
+ supervisor_model_kwargs: Optional[Dict[str, Any]] = None
+ researcher_model_kwargs: Optional[Dict[str, Any]] = None

utils.py

open_deep_research/src/open_deep_research/utils.pyを変更します。
以下の変更で上記の設定をinit_chat_model()に設定できるようにします。

@@ +1404,1404 @@
+ summarization_model_kwargs = get_config_value(configurable.planner_model_kwargs or {})

@@ -1416,1416 +1416,1417 @@
- **extra_kwargs
+ **extra_kwargs,
+ **summarization_model_kwargs

multi_agent.py

open_deep_research/src/open_deep_research/multi_agent.pyを変更します。
以下の変更で上記の設定をinit_chat_model()に設定できるようにします。

@@ +197,197 @@
+ supervisor_model_kwargs = get_config_value(configurable.supervisor_model_kwargs or {})

@@ -199,199 +199,199 @@
- llm = init_chat_model(model=supervisor_model)
+ llm = init_chat_model(model=supervisor_model, **supervisor_model_kwargs)

@@ +356,356 @@
+ researcher_model_kwargs = get_config_value(configurable.researcher_model_kwargs or {})

@@ -358,358 +358,358 @@
- llm = init_chat_model(model=researcher_model)
+ llm = init_chat_model(model=researcher_model, **researcher_model_kwargs)

以下のオプションはBedrock Converse APIには存在せず扱えないので削除（またはコメントアウト）します。

@@ -214,214 -379,379 @@
- parallel_tool_calls=False,
- parallel_tool_calls=False,

LLMからWeb検索ツール（Tavily）への値の受け渡しがうまくいくように修正します。

@@ +263,263 -265,265 +265,265 -267,267 +267,267 @@
+ fixed_args = fix_search_tool_args(tool_call["name"], tool_call["args"], search_tool_names)
# Perform the tool call - use ainvoke for async tools
try:
-     observation = await tool.ainvoke(tool_call["args"], config)
+     observation = await tool.ainvoke(fixed_args, config)
except NotImplementedError:
-     observation = await tool.ainvoke(tool_call["args"], config)
+     observation = tool.invoke(fixed_args, config)

@@ +414,414 -416,416 +416,416 -418,418 +418,418 @@
+ fixed_args = fix_search_tool_args(tool_call["name"], tool_call["args"], search_tool_names)
# Perform the tool call - use ainvoke for async tools
try:
-     observation = await tool.ainvoke(tool_call["args"], config)
+     observation = await tool.ainvoke(fixed_args, config)
except NotImplementedError:
-     observation = await tool.ainvoke(tool_call["args"], config)
+     observation = tool.invoke(fixed_args, config)

@@ +186,205 @@
+ def fix_search_tool_args(tool_name: str, tool_args: dict, search_tool_names: set[str]) -> dict:
+     """Fix tool arguments for search tools, particularly handling string queries that should be lists"""
+     if tool_name not in search_tool_names:
+         return tool_args
+     
+     # Fix queries parameter if it's a string that looks like a list
+     if "queries" in tool_args:
+         queries = tool_args["queries"]
+         if isinstance(queries, str):
+             # Try to parse as JSON first
+             try:
+                 parsed_queries = json.loads(queries)
+                 if isinstance(parsed_queries, list):
+                     tool_args = {**tool_args, "queries": parsed_queries}
+                 else:
+                     # If it's not a list after parsing, wrap it in a list
+                     tool_args = {**tool_args, "queries": [str(parsed_queries)]}
+             except (json.JSONDecodeError, TypeError):
+                 # If JSON parsing fails, treat as a single query
+                 tool_args = {**tool_args, "queries": [queries]}
+     return tool_args

LangGraph Studioを起動してレポートを生成してみる

ターミナルで以下を操作します。

# リポジトリをクローンしてリポジトリ直下に移動する
$ git clone https://github.com/langchain-ai/open_deep_research.git
$ cd open_deep_research

# 環境変数を設定する。TavilyのAPIキーを記載しておく。
$ cp .env.example .env

# uvをイントールする
curl -LsSf https://astral.sh/uv/install.sh | sh

# LangGraph serverとして起動する
uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev --allow-blocking