LangGraph

LangGraph to zaawansowana biblioteka zaprojektowana do budowania stanowych, wieloaktorowych aplikacji z wykorzystaniem dużych modeli językowych (LLM). Opracowany przez LangChain Inc, LangGraph rozszerza możliwości biblioteki LangChain, wprowadzając cykliczne możliwości obliczeniowe. Pozwala to na tworzenie złożonych, agentowych zachowań, w których LLM może działać w pętli, podejmując decyzje na każdym etapie.

Czym jest LangGraph?

LangGraph to potężne narzędzie, które umożliwia programistom tworzenie skomplikowanych workflowów z udziałem wielu aktorów i kroków. W przeciwieństwie do tradycyjnych skierowanych acyklicznych grafów (DAG) stosowanych w LangChain, LangGraph obsługuje cykle, dzięki czemu idealnie nadaje się do aplikacji wymagających powtarzalnego podejmowania decyzji i zarządzania stanem.

Kluczowe pojęcia

Stanowy graf

Stanowy graf to podstawowa koncepcja w LangGraph. Każdy węzeł w grafie reprezentuje krok obliczeniowy, a graf utrzymuje stan, który jest aktualizowany wraz z postępem obliczeń. Taka stanowość umożliwia bardziej dynamiczne i elastyczne workflowy.

Węzły

Węzły są podstawowymi elementami budulcowymi LangGraph. Każdy węzeł wykonuje określoną funkcję lub obliczenie, np. przetwarza dane wejściowe, podejmuje decyzje lub komunikuje się z zewnętrznymi API.

Krawędzie

Krawędzie łączą węzły i definiują przepływ obliczeń w grafie. LangGraph obsługuje krawędzie warunkowe, co pozwala dynamicznie zmieniać przepływ w zależności od aktualnego stanu.

Kluczowe cechy

Cykle i rozgałęzienia

LangGraph umożliwia implementację pętli i warunków w aplikacjach, zapewniając większą elastyczność i kontrolę nad przepływem obliczeń.

Trwałość

Jedną z wyróżniających cech LangGraph jest wbudowana trwałość. Automatycznie zapisuje stan po każdym kroku, umożliwiając odzyskiwanie po błędach, workflowy z udziałem człowieka, a nawet cofanie się do wcześniejszych stanów w celu podjęcia innych działań.

Człowiek-w-obiegu

LangGraph wspiera współpracę człowieka z agentem, umożliwiając przerwanie wykonywania grafu. Użytkownicy mogą zaakceptować lub edytować kolejną akcję zaplanowaną przez agenta, co zapewnia większą kontrolę i niezawodność.

Obsługa strumieniowania

Dla lepszego doświadczenia użytkownika, LangGraph oferuje natywną obsługę strumieniowania wyników, zarówno token po tokenie, jak i kroków pośrednich, umożliwiając dynamiczne i interaktywne interakcje.

Integracja z LangChain

Choć LangGraph można używać samodzielnie, integruje się on bezproblemowo z LangChain i LangSmith, oferując pełen zestaw narzędzi do budowania i zarządzania aplikacjami opartymi o LLM.

Instalacja

Aby zainstalować LangGraph, użyj następującego polecenia:

pip install -U langgraph

Dla wersji JavaScript użyj:

npm install @langchain/langgraph

Przykładowe zastosowania

Workflowy agentów i multi-agentów

LangGraph idealnie nadaje się do tworzenia workflowów, w których uczestniczy wielu agentów lub aktorów, z których każdy wykonuje określone zadania i podejmuje decyzje w sposób skoordynowany.

Obsługa złożonych zadań

Możliwość obsługi cykli i trwałości stanu sprawia, że LangGraph doskonale nadaje się do aplikacji wymagających złożonego podejmowania decyzji i mechanizmów odzyskiwania po błędach.

Współpraca człowieka z agentem

Dzięki wbudowanemu wsparciu dla interakcji człowiek-w-obiegu, LangGraph zapewnia skuteczną współpracę agentów z użytkownikami, czyniąc go odpowiednim do zastosowań wymagających wysokiej niezawodności i kontroli.