Você já desejou poder aproveitar o poder da IA para uma pesquisa verdadeiramente aprofundada, mas se sentiu limitado por soluções de código fechado e preocupações com a privacidade de dados? Bem, prepare-se para arregaçar as mangas porque neste artigo, estamos construindo nossa própria Ferramenta de Pesquisa Profunda de Código Aberto alimentada pela Gemini API!
Isso mesmo, estamos criando um poderoso recurso de pesquisa que está completamente sob seu controle. Você pode pensar nisso como ter um assistente de pesquisa de IA dedicado ao seu alcance, pronto para se aprofundar em qualquer assunto que você lançar em seu caminho. E a melhor parte? Estaremos aproveitando a Gemini API para obter análises precisas e perspicazes. Vamos começar!
Estamos empolgados em compartilhar que o suporte MCP está chegando em breve ao Apidog! 🚀
— Apidog (@ApidogHQ) 19 de março de 2025
O Apidog MCP Server permite que você forneça documentos de API diretamente para a IA Agentic, supercarregando sua experiência de codificação! Seja você um usuário do Cursor, Cline ou Windsurf - isso tornará seu processo de desenvolvimento mais rápido e suave.… pic.twitter.com/ew8U38mU0K
O que é Pesquisa Profunda de Código Aberto?
A Pesquisa Profunda de Código Aberto é sobre tomar controle do seu processo de pesquisa. Trata-se de aproveitar o poder da IA enquanto mantém transparência, privacidade e a capacidade de personalizar suas ferramentas para atender às suas necessidades específicas. Ao construir nossa própria ferramenta de pesquisa, evitamos as limitações e potenciais preconceitos de soluções de código fechado e garantimos que nossos dados permaneçam seguros. O MCP pode facilitar esse processo, garantindo uma integração adequada com várias APIs e funcionalidades para um desempenho aprimorado.
Por que usar a Gemini API para Pesquisa Profunda?
A Gemini API oferece uma abordagem de ponta para inteligência artificial, possibilitando interações humano-máquina mais intuitivas e eficazes. Ela se destaca ao fornecer não apenas insights baseados em texto, mas também ao suportar entradas multimodais, permitindo uma compreensão mais rica dos materiais de pesquisa por meio de imagens, vídeos e áudio. Isso a torna particularmente valiosa para projetos de pesquisa abrangentes que exigem a análise de diversos tipos de dados. Além disso, o design flexível da API e o forte suporte aos desenvolvedores incentivam a inovação e personalização, permitindo que os pesquisadores adaptem a ferramenta para atender às suas necessidades e contextos específicos, fomentando, em última análise, uma compreensão mais profunda e sutil de assuntos complexos.
Principais Recursos da Nossa Ferramenta de Pesquisa Profunda de Código Aberto
Antes de mergulharmos no processo de construção, vamos dar uma olhada em alguns dos recursos que traremos à vida:
- Pesquisa Profunda Rápida para insights rápidos.
- Suporte Multi-plataforma para acesso sem costura.
- Alimentado pelo Google Gemini para capacidades avançadas de IA.
- Modelos de Pensamento & Redes para análise inteligente.
- Suporte Canvas para organização visual.
- Histórico de Pesquisa para rastrear o progresso.
- Suporte à API Local & de Servidor para flexibilidade.
- Design Focado em Privacidade para pesquisas seguras.
- Suporte Multi-Key Payload para funcionalidade aprimorada.
- Suporte Multi-idioma: Inglês, 简体中文.
- Construído com Tecnologias Modernas para eficiência e desempenho.
Começando com a Ferramenta de Pesquisa Profunda de Código Aberto
Pronto para construir seu próprio assistente de pesquisa alimentado por IA? Aqui está o que você precisará para começar:
1. Obter a Chave da API Gemini: Primeiramente, você precisará de uma chave da API Gemini para acessar o poder dos modelos de IA do Google. Acesse Google AI Studio e se inscreva para obter uma chave da API. Mantenha esta chave segura - é seu passaporte para o mundo do Gemini!
2. Implantação com um Clique (Opcional): Para um início o mais rápido possível, você pode usar as opções de implantação com um clique:
- Implantar com Vercel (Instruções para Vercel são geralmente diretas e exigem linkar seu repositório GitHub e conta Vercel).
- Implantar com Cloudflare (Atualmente o projeto suporta implantação no Cloudflare, mas você precisa seguir Como implantar no Cloudflare Pages para fazê-lo).
Essas opções farão com que sua ferramenta de pesquisa esteja funcionando em minutos, mas para uma experiência completa de personalização, estaremos focando no desenvolvimento local.
Desenvolver a Ferramenta de Pesquisa Profunda de Código Aberto
Vamos mergulhar no coração do processo de construção! Siga estas etapas para fazer o Deep Research funcionar no seu navegador local.
Pré-requisitos
Antes de começarmos, certifique-se de que você tenha o seguinte instalado em seu sistema:
- Node.js: (versão 18.18.0 ou superior recomendada). Você pode baixá-lo do site oficial do Node.js.
- pnpm ou npm ou yarn: Estes são gerenciadores de pacotes para Node.js. Estaremos usando pnpm neste tutorial, mas você pode usar o que preferir.
Instalação
1. Clone o repositório:
git clone https://github.com/u14app/deep-research.git
cd deep-researchIsso fará o download do código do GitHub e moverá você para o diretório do projeto.
2. Instale as dependências:
pnpm install # ou npm install ou yarn installEste comando instalará todos os pacotes necessários para o projeto.
3. Configure as Variáveis de Ambiente:
Este é um passo crucial! Você precisará criar um arquivo .env no diretório raiz do seu projeto e configurar as seguintes variáveis de ambiente:
# (Opcional) Chave da API Gemini do lado do servidor (Requerida para chamadas de API do servidor)
GOOGLE_GENERATIVE_AI_API_KEY=SUA_CHAVE_API_GEMINI
# (Opcional) URL do Proxy da API do Servidor. Padrão, `https://generativelanguage.googleapis.com`
API_PROXY_BASE_URL=
# (Opcional) Senha de Acesso à API do Servidor para maior segurança
ACCESS_PASSWORD=
# (Opcional) Código de script injetado pode ser usado para estatísticas ou rastreamento de erros.
HEAD_SCRIPTS=Substitua SUA_CHAVE_API_GEMINI pela chave da API real que você obteve do Google AI Studio.
Notas Importantes sobre Variáveis de Ambiente:
- GOOGLE_GENERATIVE_AI_API_KEY: Opcional, mas obrigatório para usar a API do lado do servidor. Você precisa obter uma chave da API do Google Generative AI do Google AI Studio. Esta chave deve ser mantida em segredo e nunca deve ser comitada no seu repositório público.
- API_PROXY_BASE_URL: Opcional. Se você precisar usar um servidor proxy para solicitações de API, configure esta variável com a URL base do seu servidor proxy. Isso é relevante para chamadas de API do lado do servidor.
- ACCESS_PASSWORD: Opcional, mas altamente recomendado para implantações do lado do servidor. Defina uma senha forte para proteger seus endpoints de API do lado do servidor. Esta senha será necessária para acessar as funcionalidades da API do lado do servidor.
- HEAD_SCRIPTS: Opcional O código de script injetado pode ser usado para estatísticas ou rastreamento de erros.
Lembrete de Privacidade: Essas variáveis de ambiente são usadas principalmente para chamadas de API do lado do servidor. Ao usar o modo de API local, nenhuma chave de API ou configurações do lado do servidor são necessárias, aprimorando ainda mais sua privacidade.
Suporte Multi-key: Suporta várias chaves, cada chave é separada por ,, ou seja, chave1,chave2,chave3. O Cloudflare não pode usar múltiplas chaves no momento porque o script de construção oficial não suporta Next.js 15.
4. Execute o servidor de desenvolvimento:
pnpm dev # ou npm run dev ou yarn devIsso iniciará o servidor de desenvolvimento, e você pode acessar o Deep Research em seu navegador em http://localhost:3000.
- Comece a fazer quaisquer perguntas que você precise pesquisar.
- E veja os resultados!
Implantar a Ferramenta de Pesquisa Profunda de Código Aberto
Uma vez que você esteja satisfeito com sua configuração local, você pode implantar sua ferramenta de pesquisa na nuvem! Aqui estão algumas opções populares:
1. Vercel: Implemente com Vercel (Esta é geralmente a opção mais fácil).
2. Cloudflare: Atualmente o projeto suporta implantação no Cloudflare, mas você precisa seguir Como implantar no Cloudflare Pages para fazê-lo.
3. Docker:
- A versão do Docker precisa ser 20 ou superior.
- Baixe a imagem pré-construída:
docker pull xiangfa/deep-research:latest- Execute o contêiner:
docker run -d --name deep-research -p 3333:3000 xiangfa/deep-researchVocê também pode especificar variáveis de ambiente:
docker run -d --name deep-research \
-p 3333:3000 \
-e GOOGLE_GENERATIVE_AI_API_KEY=AIzaSy... \
-e ACCESS_PASSWORD=sua-senha \
xiangfa/deep-research- Ou construa sua própria imagem docker:
docker build -t deep-research .
docker run -d --name deep-research -p 3333:3000 deep-research- Implantar usando docker-compose.yml:
version: '3.9'
services:
deep-research:
image: xiangfa/deep-research
container_name: deep-research
environment:
- GOOGLE_GENERATIVE_AI_API_KEY=AIzaSy...
- ACCESS_PASSWORD=sua-senha
ports:
- 3333:3000Então construa seu próprio docker compose:
docker compose -f docker-compose.yml build4. Implantação Estática:
- Você também pode construir uma versão de página estática diretamente e, em seguida, fazer upload de todos os arquivos no diretório out para qualquer serviço de site que suporte páginas estáticas, como Github Page, Cloudflare, Vercel, etc.
pnpm build:exportConfiguração da Ferramenta de Pesquisa Profunda de Código Aberto
Como mencionado na seção "Começando com a Ferramenta de Pesquisa Profunda de Código Aberto", o Deep Research utiliza as seguintes variáveis de ambiente para configurações de API do lado do servidor:
- GOOGLE_GENERATIVE_AI_API_KEY
- API_PROXY_BASE_URL
- ACCESS_PASSWORD
Essas variáveis são necessárias apenas se você pretende usar a funcionalidade de chamada da API do lado do servidor. Para chamadas de API locais, nenhuma configuração é necessária além de configurar o projeto.
Lembre-se de sempre manter suas chaves de API e senhas seguras!
Conclusão: Capacitando sua Pesquisa com IA
Agora você montou com sucesso sua própria ferramenta de Pesquisa Profunda de Código Aberto alimentada pela Gemini API! Este é um grande passo para desbloquear todo o potencial da IA em seu processo de pesquisa.
Ao construir sua própria ferramenta, você ganha controle total sobre seus dados, personaliza seus fluxos de trabalho e contribui para a comunidade de código aberto. Experimente diferentes modelos de pesquisa, explore as capacidades da Gemini API e crie ferramentas personalizadas para realmente personalizar sua experiência de pesquisa.
O futuro da pesquisa é inteligente e aberto. Abrace a Pesquisa Profunda de Código Aberto e capacite-se com o conhecimento que você precisa!
