LangGraph は長期運用されるステートフルなエージェントを構築、管理そして配備するための強力な low レベルのオーケストレーション・フレームワークです。

LangGraph : 概要

作成 : クラスキャット・セールスインフォメーション
作成日時 : 05/19/2025

* 本記事は github: langchain-ai/langgraph の以下のページを独自に翻訳した上でまとめ直し、補足説明を加えています :

• langchain-ai/langgraph/README.md

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

 

 

LangGraph : 概要

Klarna, Replit, Elastic 等を含む、エージェントの未来を形作る企業から信頼されています – LangGraph は長期運用されるステートフルなエージェントを構築、管理そして配備するための強力な low レベルのオーケストレーション・フレームワークです。

 

Get started

LangGraph のインストール :

pip install -U langgraph

次に、事前構築されたコンポーネントを使用して エージェントを作成します :

# pip install -qU "langchain[anthropic]" to call the model

from langgraph.prebuilt import create_react_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_weather],
    prompt="You are a helpful assistant"
)

# Run the agent
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)

詳細は、クイックスタート をご覧ください。また、カスタマイズ可能なアーキテクチャ、長期メモリやその他の複雑なタスク処理を備えた エージェント・ワークフロー を構築する方法を学習するには、LangGraph 基本チュートリアル をご覧ください。

 

主要なメリット

LangGraph は、長期運用、ステートフル・ワークフローやエージェントのための下位レベルのインフラのサポートを提供します。LangGraph はプロンプトやアーキテクチャの抽象化は行わず、以下の主要なメリットを提供します :

• 耐久性のある実行 (Durable execution) : 障害時にも持続して長期間実行できて、正確に中断時点から自動的に再開するエージェントを構築します。
  

• 人間介在型 (Human-in-the-loop) : 実行中の任意の時点でエージェントの状態を検査して変更することで、人間の監視をシームレスに組み込みます。
  

• 包括的なメモリ (Comprehensive memory) : 進行中の推論のための短期的な作業メモリと、セッションに渡る長期的な永続メモリの両方を備えた、真にステートフルなエージェントを作成します。
  

• LangSmith によるデバッグ : 実行パスをトレースし、状態遷移を捕捉し、詳細なランタイムメトリクスを提供する視覚化ツールを使用して、複雑なエージェントの動作の深い洞察を得ます。
  

• Production-ready 配備 : ステートフルで、長時間実行されるワークフローの特有な課題に対応するように設計されたスケーラブルなインフラを使用して、洗練されたエージェント・システムを自信を持って配備します。

 

LangGraph のエコシステム

LongGraph はスタンドアローンで使用できる一方で、任意の LangChain 製品とシームレスに統合されており、開発者にエージェントを構築するための完全なツールセットを提供します。LLM アプリケーションの開発の向上のために、以下を LangGraph と組み合わせてください :

• LangSmith — エージェントの評価と監視 (observability) に役立ちます。パフォーマンスの低い LLM app の実行をデバッグし、エージェントの軌跡 (trajectories) を評価し、製品の可視化を得て、そして時間につれてパフォーマンスを改良します。
  

• LangGraph プラットフォーム — 長時間実行、ステーフルなワークフローのための目的に応じた配備プラットフォームにより、エージェントの配備とスケールを容易に行えます。エージェントの検索、再利用、構成、そしてチーム間での共有 – 更に LangGraph Studio での視覚化されたプロトタイピングを使用して素早く反復できます。
  

• LangChain – LLM アプリケーション開発の効率化のために統合と構成可能なコンポーネントを提供します。

Note : Looking for the JS version of LangGraph? See the JS repo and the JS docs.

 

追加リソース

• ガイド : ストリーミング、メモリと永続性の追加、そしてデザインパターン (e.g. 分岐、サブグラフ 等) のようなトピックのための簡単で実行可能なコード・スニペット。
  

• リファレンス : コアクラス、メソッド、グラフとチェックポイント API の使用方法、そして高レベルの事前構築されたコンポーネントに関する詳細なリファレンス。
  

• Examples : LangGraph を始めるためのガイド付きのサンプル。
  

• LangChain アカデミー : 無料の構造化されたコースで LangGraph の基礎を学習します。
  

• テンプレート : 複製して適応可能な、一般的なエージェント型ワークフロー (ReAct エージェント、メモリ、検索取得 等) のための事前構築されたリファレンスアプリケーション。
  

• ケース・スタディ : 業界リーダーが LangGraph を使用して、強力で production-ready な AI アプリケーションを出荷する方法を紹介します。

以上