Sobre o projeto

# Aplicativo Exemplo Fullstack de Pesquisa com IA Este projeto é um aplicativo exemplar fullstack que demonstra como construir uma IA conversacional aumentada por pesquisa usando os modelos Gemini 2.5 do Google e o framework LangGraph. Ele combina um frontend React com um agente backend baseado em LangGraph que realiza pesquisa web iterativa para responder às perguntas dos usuários com citações. ## Recursos principais - Arquitetura fullstack: frontend React (Vite) e backend LangGraph/FastAPI - Geração dinâmica de consultas de busca usando modelos Gemini - Pesquisa web integrada via Google Search API - Raciocínio reflexivo para identificar lacunas de conhecimento e refinar buscas - Gera respostas com citações das fontes coletadas - Hot-reload para frontend e backend durante o desenvolvimento ## Estrutura do Projeto - `frontend/`: aplicação React construída com Vite, estilizada com Tailwind CSS e Shadcn UI - `backend/`: aplicação LangGraph/FastAPI contendo a lógica do agente de pesquisa ## Como o Agente Backend Funciona 1. Gera consultas de busca iniciais com base na entrada do usuário 2. Realiza pesquisa web para cada consulta usando Gemini com Google Search 3. Reflete sobre os resultados para identificar lacunas de conhecimento 4. Refina iterativamente as buscas (até um máximo configurável) 5. Sintetiza uma resposta final com citações ## Começando - Requer Node.js, Python 3.11+ e uma chave de API Gemini - Backend: `cd backend && pip install .` e defina `GEMINI_API_KEY` no `.env` - Frontend: `cd frontend && npm install` - Execute ambos os servidores de desenvolvimento com `make dev` - Exemplo CLI: `python backend/examples/cli_research.py "query"` ## Implantação - Produção usa Docker com Redis (para streaming) e Postgres (para persistência) - Compile com `docker build -t gemini-fullstack-langgraph -f Dockerfile .` - Execute com `docker-compose up` (requer chave de API LangSmith) ## Tecnologias React, Vite, Tailwind CSS, Shadcn UI, LangGraph, Google Gemini ## Licença Apache License 2.0