Tavily
Assaf Elovic and the GPT Researcher contributors, with the project rooted in Tavily · コーディング · ビジネス
GPT Researcherはオープンソースの深掘りリサーチエージェントだ。ひとつの質問を出典付きレポートに変える。使うモデルと検索エンジンは自分で選べる。
Tavily について
About
GPT Researcherとは
GPT Researcherは、自分でインストールして動かすタイプの自律型リサーチエージェントだ。質問を渡すと、それをいくつかの小さな調査課題に分解し、課題ごとにクローラーを走らせ、どの記述がどのページ由来かを記録したうえで、引用付きの長いレポートを書き上げる。2023年にTavilyのチームの仕事から生まれ、現在はGitHub上のApache 2.0プロジェクトとして約3万のスターを集める。
この道具が必要とされる理由は、チャットモデル単体が調査に向かないからだ。学習データは古びる。20ページを同時に読むこともできない。自信なさげなところほど、もっともらしい答えで埋めてしまう。検索APIは逆の弱点を持つ。リンクの一覧を返して、読む作業はこちらに押し付ける。GPT Researcherはその中間に立ち、読むことと選別を引き受ける。結果として出てくる文章は、すべて実在するページへたどれる。
代わりに、一般向けアプリではない。登録ページも、サブスクリプションも、サポート窓口もない。Python 3.12以降、モデルのAPIキー、検索APIのキーが要る。無料の検索手段を使うなら検索キーは省ける。導入からホスティングまで、残りはすべて自分の手でこなす。
はじめかた
- Python 3.12以降を入れて、GitHubからリポジトリを複製するか、
pip install gpt-researcherでパッケージを入れる。 - キーを環境変数に設定する。
OPENAI_API_KEYとTAVILY_API_KEYがあれば既定の構成で動く。OPENAI_BASE_URLを指定すればローカルモデルや別の事業者にも向けられる。 - 設定ファイルで検索手段とモデルを選ぶ。既定のままTavilyとOpenAIモデルで走らせてもいい。
python -m uvicorn main:app --reloadでサーバーを起動し、localhost:8000を開く。自分のPythonスクリプトからGPTResearcherを呼んでもよい。- ブラウザでレポートを読み、Markdown、PDF、DOCX、JSONに書き出す。実行ごとに付いてくる出典一覧も確認する。
AIツール情報
Tavilyの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 調査メモを日常的に書くアナリストやコンサルタント：情報収集と初稿はエージェントに任せられる。ただし顧客に渡す前に引用を読む作業は残る。
- 自社製品に調査機能を組み込みたい開発者：PythonパッケージかMCPサーバーなら半日で入る。レポートの書式も自分で決められる。
- 新しい分野に入る大学院生や研究者：深掘りリサーチを一度回せば、一次資料へのリンク付きで構造化された見取り図が手に入る。白紙から始めるより速い。
- 調査予算のない小さなチーム：ソフト自体は無料で、Ollama経由ならローカルモデルで動く。かかるのは計算資源だけだ。
タスク
- 市場や企業の競合調査：プランナーがテーマをセグメント、価格、立ち位置といった問いに切り分け、それぞれにクローラーを割り当てる。
- PDFの山を一本の要約にまとめる：`DOC_PATH`をローカルフォルダに向ければ、手元の文書をウェブと並べて読む。
- 論文や提案書の前に文献の見取り図を作る：骨子と出典が一度に揃う。重要な部分だけ自分で書き直せばいい。
- 別のエージェントに根拠ある文脈を渡す：MCPサーバーが深掘りリサーチをツールとして公開するので、ClaudeやCursorが会話の途中で呼び出せる。
シーン
- 月曜の朝に業界の動きをまとめる：1回の実行で20以上の情報源が集まり、会議前に目を通せるレポートになる。
- ツールを買う前に見極める：ある製品が競合とどう違うかを尋ねれば、ベンダーのページとレビューを代わりに読む。
- 公開前の主張を確かめる：その主張をそのままクエリにして、出典一覧で本当に裏づけがあるかを見る。
- 社内用の調査ボットを作る：FastAPIのバックエンドがWebSocketで進捗を流すので、簡単なダッシュボードなら十分載せられる。
主な機能
プランナーと並列リサーチャー
エージェントはページを順番に読まない。プランナーが調査課題を一通り書き出し、課題ごとにクローラーを開いて同時に走らせる。だから通常のレポートは30分ではなく3分ほどで終わる。ある枝で見つかった内容が新しい問いを生むため、深掘りリサーチは一本道ではなく小テーマの木をたどる。広がりはMAX_ITERATIONSや深さの設定で調整する。
20以上の検索手段を同じ作法で
既定の検索APIはTavilyだが、Tavily検索だけが選択肢ではない。環境変数をひとつ変えればGoogle、Bing、DuckDuckGo、SearXNG、Serper、You.com、Exa、arXiv、PubMedに切り替わる。テーマが一般のWebページではなく論文にあるとき、この差は大きい。MCPサーバーも指定できるので、GitHubリポジトリや社内データベースを同じ実行の中で公開ウェブと並べられる。
モデルに渡す前の文脈選別
1回の実行で数十ページを取得し、その大半は問いに関係しない。GPT Researcherはモデルに届く前に段落ごとに点数を付ける。既定のJevはTypeSafe製で、プロジェクト自身の28課題ベンチマークによれば問いに答える段落を73%残す。埋め込みベースの選別は46%だった。TypeSafeのキーがなければ、モデルを一切使わないBM25のキーワード順位付けに切り替わる。
長文レポートと出典の追跡
執筆の段階で、選別済みの文脈が2,000語を超えるレポートに組み上がる。この長さは1回のチャット指示では安定して出せない。主張ごとに引用が付き、出典一覧はPython APIから別に取り出せる。レポートの型は標準の調査レポートのほか、骨子、リソース一覧、小テーマ別の分解まで揃う。
ローカル文書をウェブと一緒に
DOC_PATHをフォルダに向けると、PDF、Word、Excel、CSV、Markdown、PowerPoint、テキストを調査対象に加える。手元の資料から答え、外の文脈が要るときはWebページを引用する私有ナレッジの相棒になる。選んだモデル事業者に見える範囲を除けば、外部に送られるものはない。
MCPサーバーとエージェント基盤への対応
公式のMCPサーバーが、エージェントを深掘りリサーチ、クイック検索、レポート作成、出典取得というツールに包む。Claude Desktop、Cursor、n8nから、つなぎ込みのコードを書かずにAIリサーチツールとして呼べる。ほかにPythonパッケージ、WebSocket配信付きのFastAPIバックエンド、素のHTMLとNext.jsの2種類のフロントエンドも同梱する。
メリットとデメリット
メリット
- Apache 2.0のオープンソースで無料。席数の制限も、課金アカウントの開設も要らない。
- モデルと検索事業者は別々に差し替えられる。OpenAI、Anthropic、Gemini、DeepSeek、Ollamaのローカルモデルまで対応する。
- 並列クローラーにより、完成したレポートが3〜5分に収まる。仕事の合間に1本走らせられる速さだ。
- 引用と独立した出典一覧があるので、主張の根拠を確かめてから自分の仕事に流用できる。
デメリット
- 導入と設定は開発者向けだ。ターミナルも環境変数も触ったことがない人には、入門ガイドはかなり厳しい。
- レポートの質は接続するモデルに大きく左右される。安いモデルは薄い節を並べ、強いモデルはAPIの請求をすぐ膨らませる。
- 読む先は開かれたウェブなので、有料記事やJavaScriptに頼りきったサイトでは、本文が乏しいか崩れて返ることがある。
- マルチエージェントと深掘りリサーチのモードはモデル呼び出しを重ねる。公式ドキュメントでは深掘り1回あたり約0.4ドルの費用を見込んでいる。
よくある質問
無料だ。ソフトはApache 2.0で公開され、プロジェクトはサブスクリプションを販売していない。実際にかかるのは実行のたびに発生するモデルと検索APIの利用料で、モデル次第で数セントから数ドルの範囲に収まる。
関連コンテンツ
Tavilyに関連するツール、スキル、記事を探す。
Tavilyの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。