Adicione busca na web a Deep Agents gerenciados gratuitamente com uma configuração de MCP

Autoria: LangChain · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Add Web Search to Managed Deep Agents for free with One MCP Config · Canal: LangChain · 03:36 · Assistir no YouTube

Tópicos: Agentes de IA, RAG, busca e recuperação de informação, Segurança de IA

Resumo

O vídeo mostra como adicionar busca na web a um Deep Agent gerenciado configurando uma conexão MCP com o LangSmith. A busca complementa as informações de ferramentas existentes, como search docs, com dados disponíveis na web. Depois de testar o agente localmente, o apresentador o implanta no LangSmith e verifica as chamadas de ferramentas no Studio. Ele também recomenda configurar guardrails, pois a busca na web pode ampliar as tarefas que o agente consegue realizar.

Pontos-chave

A busca na web pode complementar os dados disponíveis nas ferramentas e skills já configurados para o agente.
A configuração consiste em adicionar o servidor de busca ao arquivo tools/mcp.py.
O servidor MCP de busca é hospedado no sistema de ferramentas gerenciadas do LangSmith e não exige autenticação adicional.
No exemplo, search docs não oferece orientações sobre expectativas do setor para retenção de logs de auditoria.
Com a busca na web, o agente combina informações dos documentos fornecidos com resultados externos.
O agente pode ser implantado no LangSmith com o comando deploy.
No LangSmith Studio, é possível monitorar e inspecionar chamadas de ferramentas.
As instruções e outros controles do agente devem incluir guardrails adequados para o uso da busca na web.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação da busca na web	O apresentador explica como a busca externa pode complementar as ferramentas do agente e introduz a configuração via MCP.
01:01	Configuração do servidor de busca	O agente recebe acesso à busca na web para complementar os resultados de search docs sem autenticação adicional.
02:04	Deploy e inspeção no LangSmith Studio	O agente é implantado no LangSmith e suas chamadas de ferramentas e consultas de busca são inspecionadas no Studio.
03:05	Resultados e guardrails	O apresentador compara a resposta em produção com a do ambiente local e recomenda guardrails para o uso ampliado da busca na web.

Citações

A busca na web permite que seu agente faça pesquisas externas e acrescente isso às informações que você já configurou. — 00:00

Como já estão autenticados, não é necessária autenticação adicional. — 01:32

Podemos inspecionar o conteúdo dessas chamadas de ferramentas. — 02:34

Dar ao seu agente acesso à busca na web significa que ele pode realizar tarefas além daquelas para as quais foi originalmente projetado. — 03:05

Conceitos e entidades

Deep Agent (conceito): Agente gerenciado apresentado no vídeo, que pode usar ferramentas e skills para realizar pesquisas.
MCP (conceito): Protocolo usado para conectar o agente ao servidor de busca.
LangChain (empresa): Empresa e canal do vídeo que apresenta a configuração de busca na web para agentes.
LangSmith (ferramenta): Plataforma que hospeda o servidor de ferramentas gerenciadas e permite implantar agentes.
LangSmith Studio (ferramenta): Ambiente usado para testar o agente implantado e inspecionar chamadas de ferramentas.
Parallel (ferramenta): Servidor MCP de busca na web usado pelo agente por meio do sistema de ferramentas gerenciadas do LangSmith.
search docs (ferramenta): Ferramenta que pesquisa a documentação fornecida ao agente.
tools/mcp.py (repo): Arquivo indicado no vídeo para adicionar a configuração do servidor de busca.

Tradução completa (pt-BR)

00:00 Olá, sou Nathan. Trabalho com produto aqui na LangChain e hoje vamos falar sobre como adicionar busca na web ao seu deep agent gerenciado. A busca na web permite que seu agent faça pesquisas externas e acrescente essas informações às que você já incorporou usando seu conjunto atual de ferramentas e skills. A LangChain oferece busca integrada usando parallel como parte da plataforma LangSmith. Então, configurar a busca para seu deep agent gerenciado é tão simples quanto configurar uma conexão MCP com a plataforma LangSmith. Vamos começar. O melhor lugar para começar a adicionar busca na web ao seu agent é a nossa documentação. Você provavelmente já tem um ID de workspace e uma chave de API configurados no seu projeto, e o próximo passo é

00:30 simplesmente configurar o servidor de busca. Para isso, você vai adicionar o servidor de busca ao seu tools/mcp.py. Tenho aqui um agent em que venho trabalhando, que é um agent de pesquisa. Digamos que eu pergunte sobre a retenção de logs de auditoria. O que vai acontecer é que ele usará as ferramentas disponíveis, neste caso, search docs. Ele consegue encontrar algumas informações sobre trilhas de auditoria e retenção de logs de auditoria com base na documentação que forneci ao agent, mas talvez não consiga dar uma resposta completa. Então, encontrou algumas informações. Não tem as expectativas do setor

01:01 sobre a retenção de logs de auditoria. Ele fornece apenas informações sobre retenção operacional etc. Esse agent talvez consiga ter um desempenho um pouco melhor se adicionarmos uma ferramenta de busca na web, com a qual ele possa comparar as informações que tem na internet aberta com as informações disponíveis no conjunto de ferramentas dele. Então, vamos adicionar esse servidor. Podemos adicionar nosso arquivo MCP e copiar a declaração daqui. E não precisamos fazer nenhuma alteração. Você vai ver que esse servidor está hospedado no servidor de ferramentas gerenciado da LangSmith e, aqui, trata-se do servidor MCP do parallel, que faz parte do sistema de ferramentas gerenciado.

01:32 E, como eles já estão autenticados, não é necessária nenhuma autenticação adicional. Então, se abrirmos um chat novo e fizermos a mesma pergunta de antes, o agent agora terá acesso à busca na web e poderá usá-la para complementar a resposta, além das informações encontradas com search docs. Ele vai encontrar informações na nossa ferramenta search docs, mas também vai acessar a web usando este kit de ferramentas de busca na web e poderá usá-lo para acrescentar informações e contexto à resposta do agent. Certo, aqui ele está

02:04 resumindo as descobertas que produziu e encontrou algumas informações sobre a retenção de logs de auditoria. Descobriu que o corpus não contém orientações sobre retenção, mas está usando informações da busca externa na web. Agora que adicionamos a busca na web, podemos fazer o deploy do agent na LangSmith com o comando deploy. Certo, depois que o deploy for concluído, vamos ver como está o agent. Vamos dar uma olhada no agent publicado dentro do LangSmith Studio. Podemos fazer a mesma pergunta ao agent em produção e ver como ele responde. Neste caso, também podemos monitorar as chamadas de ferramenta

02:34 porque estamos dentro do Studio, mas, dependendo do seu ambiente, os usuários finais talvez não vejam as chamadas de ferramenta, a menos que você as exponha. Ele vai invocar a funcionalidade das ferramentas de busca. Também vai usar search docs, que faz parte do nosso kit de ferramentas dentro deste agent, e também vai usar a busca na web do parallel. E podemos inspecionar o conteúdo dessas chamadas de ferramenta. Aqui, ele está fazendo uma série de consultas de busca relacionadas à nossa pergunta original, que não fiz diretamente, mas o agent conseguiu identificá-las e passá-las à ferramenta de busca para encontrar informações além da frase específica que estou pesquisando. E pode usar as

03:05 respostas aqui para elaborar uma resposta, como vimos durante o desenvolvimento. Certo, aqui está a resposta. Ela é muito parecida com o que vimos enquanto trabalhávamos localmente. Ela apresenta o ponto de partida comum. Diz que não há uma resposta única, mas traz algumas informações com base na busca na web. Uma coisa a observar em relação às ferramentas de busca na web é que dar ao seu agent acesso à busca na web significa que ele pode realizar tarefas além daquelas para as quais foi originalmente criado. Então, fique atento para garantir que seu arquivo de instruções e os outros controles ofereçam proteções suficientes para as ferramentas dentro do agent. Essa foi uma breve introdução à busca na web usando

03:36 a busca do parallel como parte do servidor de ferramentas gerenciado da LangSmith. Recomendo muito adicionar busca na web a todos os agents que você estiver criando, pois ela realmente amplia os recursos do agent em questão. Bom desenvolvimento.

Transcrição original

[00:00] Hey, I’m Nathan. I’m in product here at LangChain and today we’re going to talk about adding web search to your managed deep agent. Web search can allow your agent to conduct external research and add that to information that you’ve already built in with your existing set of tools and skills. LangChain provides built-in search using parallel as part of the LangSmith platform. So, setting up search for your managed deep agent is as easy as configuring an MCP connection to the LangSmith platform. Let’s jump in. The best place to get started adding web search to your agent is with our documentation. You likely already have a workspace ID and an API key configured in your project and the Next step is

[00:30] just going to be to configure the search server. And to do so, you’ll add the search server into your tools/mcp.py. I have here an agent that I’ve been working on which is a research agent. And let’s say I ask it about audit log retention. What this will do is it will use the tools that I have available, in this case search docs. It can find some information about audit trails and audit log retention based on the documentation that I’ve provided to the agent, but it may not be able to provide a complete answer. So, this found some information. It doesn’t have the industry

[01:01] expectations for audit log retention. It only provides operational retention, etc. This is an agent that might be able to perform a little bit better if we add a web search tool where it can compare information that it has on the open internet with information that exists within its set of tools. So, let’s add in that server. So, we can add our MCP file and we’ll grab the declaration from here. And we don’t need to make any changes here. You’ll see this server is hosted within the LangSmith managed tool server and from here it’s the parallel MCP server that’s part of the managed

[01:32] tool system. And because they’re already authenticated, this does not need any additional authentication. So, if we open up a fresh chat and we ask the same question that we asked before, the agent now has access to web search and it can use that to augment its answer beyond just the search docs information. So, it’s going to find information inside of our search docs tool, but it’s also going to reach out to the web using this web search toolkit and it can use this to add additional information and context to the response the agent provides. All right, so here it’s

[02:04] summarizing the findings that it produced and it found some information about audit log retention. It found that the corpus doesn’t contain retention guidance, but it’s using information from the external web search. Now that we have the web search added, we can deploy the agent to LangSmith with the deploy command. All right, and once this completes deploying, we’ll take a look at how the agent looks. Let’s take a look at the published agent inside of LangSmith Studio. We can ask the same question here to the agent in production and we’ll see how the agent responds. In this case, we can also monitor the tool

[02:34] calls because we’re inside of Studio, but depending on your environment, your end users may not see the tool calls unless you expose them. So it’s going to invoke the search tools functionality. It’s also going to use search docs, part of our toolkit inside of this agent, and it’s also going to use parallel web search. And we can inspect the content of these tool calls. Here it’s performing a set of search queries that are related to our original question that I didn’t ask directly, but the agent was able to pick these up and pass these into the search tool to find information beyond the specific string that I’m asking for. And it can use the

[03:05] responses here to build a response like we saw in development. All right, so here’s the answer. The answer looks very similar to what we saw we were working locally. It gives the common baseline. It tells us that there is no single answer, but it gives us some information based on the web search. One thing to note with web search tools is that giving your agent to web search means it’s capable of tasks beyond maybe what it’s originally intended for. So you should be aware with your instructions file and other controls that you have sufficient guardrails around the tooling inside your agent. So that’s a quick introduction to web search using

[03:36] parallel search as part of the LangSmith managed tool server. Highly recommend adding web search to all of your agents that you’re building as it really expands the capabilities of the agent at hand. Happy building.