GPT Researcherは引用付き深層リサーチをどう組み立てるか
任意の LLM プロバイダーを使用して、あらゆるデータの詳細な調査を実行する自律エージェント。
ひと目でわかる
- これは何？
- assafelovic/gpt-researcherは、プランナーと実行エージェントでWebとローカル文書から長文レポートを生成するPythonプロジェクトです。READMEはMCP、Docker、pipパッケージの入口を示します。
- 誰に向いている？
- 調査レポートを自動生成し、二十を超えるWebソースやローカルPDFを束ねたいチームにはGPT Researcherが候補です。READMEは実験的アプリで保証なし、本番の安定性データも欠けます。
- 商用利用できる？
- できます。Apache-2.0 は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
- 今もメンテナンスされている？
- されています。最後のコミットは 19 日前です。
- 何の言語で書かれている？
- 主に Python です（GitHub の言語統計による）。
回答はプロジェクトの GitHub データ（最終同期：2026年9月14日）と当サイトの分析に基づくもので、法的助言ではありません。
オープンソース詳細解説
プランナーからパブリッシャーまでの五段階
READMEは、リサーチクエリからタスク固有エージェントを作り、客観的意見を形成する質問群を生成し、各質問にクローラーを割り当て、各リソースを要約してソースを追跡し、最終レポートへフィルタと集約する、と段階を列挙します。Plan-and-SolveとRAG論文に触発され、エージェント作業の並列化で速度と信頼性を上げる、と説明されています。
アーキテクチャでは、プランナーが研究質問を、実行エージェントが情報収集を、パブリッシャーが包括的レポートを担います。READMEは詳細で事実に基づき引用付きの偏りのないレポート、とうたいますが、ソース選定の算法詳細はdocs.gptr.dev側に委ねられています。
プランナーが生成する質問群は、最終レポートの章立てに直結するため、query文字列の書き方でレポート粒度が変わります。READMEは2000語超レポートをうたいますが、トークン上限とソース数の関係はdocs側確認が必要です。 追加段落：README一次情報に基づき、本リポジトリの公開範囲はドキュメントとソースに限定されます。star数やfork数はGitHubメタデータ由来の注目指標であり、機能保証やSLAを意味しません。導入判断では、READMEが示す具体コマンド・設定キー・バージョン番号を手元環境で再現し、期待する入出力が得られるかを記録してください。READMEに無い性能数値、互換マトリックス、セキュリティ監査結果は推測で補わず、issue/リリースノート/公式サイトで確認できる事実だけを採用記録に残します。
Python 3.11とuvicorn起動
Getting StartedではPython 3.11以降、リポジトリのclone、OPENAI_API_KEYとTAVILY_API_KEYのexportまたは.env保存、pip install -r requirements.txt、python -m uvicorn main:app --reload、http://localhost:8000アクセス、という順です。OPENAI_BASE_URLで互換API、LANGCHAIN_TRACING_V2でLangSmithトレースが任意です。
Poetryや仮想環境はGetting Startedページへリンク。READMEは本番向けプロセス管理、レート制限、認証の有無を示していません。スター数は約二万九千、フォーク約四千、ライセンスApache-2.0、ホームページgptr.dev、最終push 2026-08-24、という活発なメンテ印象です。
OPENAI_API_KEYとTAVILY_API_KEYは.env.exampleをcloneした.envに書く運用がDocker節と共通です。OPENAI_BASE_URLをローカルLLMへ向けた場合、conduct_researchの引用形式が変わるかは自分のモデルで試す必要があります。
pipパッケージとGPTResearcherクラス
pip install gpt-researcherの後、from gpt_researcher import GPTResearcherでqueryを渡し、await researcher.conduct_research()とawait researcher.write_report()を呼ぶ例がREADMEにあります。詳細はPIP documentation pageへ委譲されています。
Claude Skillとしてnpx skills add assafelovic/gpt-researcherもREADMEにあり、会話内deep research拡張をうたいます。ライブラリ利用とFastAPIサーバー利用の二系統が共存します。v3.6.1が2026-08-24リリース例です。
GPTResearcher(query=...)のpip例はNvidia株queryですが、report_source="local"とDOC_PATHを組み合わせたハイブリッドはREADMEに具体例がありません。PDFをDOC_PATHに置き、同一queryでWebのみ/localのみを比較するのが確認手順です。
DOC_PATHとローカル文書
PDF、プレーンテキスト、CSV、Excel、Markdown、PowerPoint、Wordがサポート形式として挙げられます。環境変数DOC_PATHにフォルダを設定し、フロントエンドではReport SourceからMy Documents、pipではreport_source="local"を渡します。
Web側では二十を超えるソースを集約するとREADMEは書きますが、カウント方法や重複排除は未詳です。JavaScript有効Webスクレイピング、PDFやWord等へのエクスポート、Geminiによるインライン画像生成（IMAGE_GENERATION_ENABLED等）もFeaturesに含まれます。
RETRIEVER=tavily,mcpではGITHUB_TOKEN必須例がREADMEにあり、MCP github serverはnpx @modelcontextprotocol/server-githubです。トークン権限不足時にWebのみへ落ちるかはログを見ないと分かりません。
MCPとRETRIEVER環境変数
MCP統合ではGitHubリポジトリやDB、カスタムAPIへ接続できます。例は環境変数RETRIEVER=tavily,mcpと、mcp_configsにname、command、args、envを持つgithubサーバー設定です。gptr-mcpリポジトリ移設、Claude Desktop統合、もREADMEに触れます。
MCP Integration Guideへ詳細委譲。LangGraphとAG2マルチエージェント例、STORM論文触発、平均五から六ページPDFやDocx、Markdown、もREADME断片にあります。ハイブリッド検索時はGITHUB_TOKENスコープとMCP障害時の挙動をログで確認する必要があります。
docker-compose up --build後のlocalhost:3000 UIからReport Sourceを切り替える流れは、Python 8000 APIとReact 3000の二ポート構成です。composeログでTAVILY呼び出し失敗がないかを先に確認します。
Docker composeとDeep Research
Dockerは.env.exampleを.envに、docker-compose up --build（失敗時docker compose up --build）。Pythonサーバー8000、React UI 3000、がREADMEのデフォルトフローです。Deep Researchはツリー探索で約五分、o3-mini高推論で約0.4ドル、と例示されますが保証ではありません。
フロントエンドは軽量HTML/CSS/JS版とNextJS版の二系統。LangSmith tracingでLangGraph interactions可視化、もREADMEにあります。Dockerイメージサイズや本番向け設定は未記載です。
IMAGE_GENERATION_ENABLEDとGOOGLE_API_KEYはGemini Nano Banana画像の任意機能です。レポートPDF exportと併用したとき画像ライセンス表記がどうなるかREADMEは触れていません。
Apache-2.0と実験的免責
Apache 2.0は複製・改変・配布・サブライセンスを広く許し、特許条項と貢献者への訴訟時終了、が標準構造です。READMEは本プロジェクトを実験的アプリ、現状のまま無保証、学術目的のコード共有、学術論文での使用推奨ではない、と明記します。
偏りに関する説明では、多サイトスクレイピングで頻出情報を選び誤情報を減らすが偏りゼロとは言わない、と述べています。商用SLAや幻覚率ベンチマークはREADME外。localhost:8000で自分のqueryをconduct_researchし、引用URLが実在し内容と対応するかを品質ゲートにしてください。
GPT Researcherの引用品質はクエリとRETRIEVER設定に依存します。localhost:8000で短いqueryを試し、レポート末尾のソースURLが実ページと一致するかを確認してから、長時間のDeep ResearchやMCPハイブリッドへ進むのが安全です。
Apache 2.0下でもREADMEのexperimental disclaimerは、本番顧客向けレポート自動生成のSLAを否定します。LangSmith LANGCHAIN_PROJECTを設定したrunのtrace IDを残すと、失敗queryの再現に役立ちます。
v3.6.1リリース（2026-08-24）時点のmainブランチを固定し、requirements.txt解決後に同一queryでconduct_researchを二回実行、引用URL集合の差分を見ると、非決定性の程度がGPT Researcher固有の評価指標になります。
編集部の結論
調査レポートを自動生成し、二十を超えるWebソースやローカルPDFを束ねたいチームにはGPT Researcherが候補です。READMEは実験的アプリで保証なし、本番の安定性データも欠けます。pip install -r requirements.txt後、OPENAI_API_KEYとTAVILY_API_KEYを設定し、python -m uvicorn main:app --reloadでlocalhost:8000を開き、conduct_researchとwrite_reportの出力品質と引用の追跡可能性を自分のクエリで確認してください。
コミュニティノート