LangGraph

LangGraph är ett avancerat bibliotek utformat för att bygga tillståndsbevarande, multi-aktörs-applikationer med hjälp av stora språkmodeller (LLM:er). Utvecklat av LangChain Inc utökar LangGraph kapabiliteterna hos LangChain-biblioteket genom att introducera cykliska beräkningsmöjligheter. Detta möjliggör skapandet av komplexa, agentliknande beteenden där en LLM kan operera i en slinga och fatta beslut vid varje steg.

Vad är LangGraph?

LangGraph är ett kraftfullt verktyg som gör det möjligt för utvecklare att skapa intrikata arbetsflöden med flera aktörer och steg. Till skillnad från traditionella riktade acykliska grafer (DAG:er) som används i LangChain, stöder LangGraph cykler och passar därför perfekt för applikationer som kräver upprepade beslut och tillståndshantering.

Viktiga begrepp

Tillståndsgraf

En tillståndsgraf är kärnkonceptet i LangGraph. Varje nod i grafen representerar ett beräkningssteg och grafen bibehåller ett tillstånd som uppdateras under processens gång. Denna tillståndsbevarande egenskap möjliggör mer dynamiska och flexibla arbetsflöden.

Noder

Noder är de grundläggande byggstenarna i en LangGraph. Varje nod utför en specifik funktion eller beräkning, såsom att bearbeta indata, fatta beslut eller interagera med externa API:er.

Kanter

Kanter kopplar samman noder och definierar flödet av beräkningar i grafen. LangGraph stöder villkorskanter, vilket gör att flödet kan ändras dynamiskt baserat på aktuellt tillstånd.

Viktiga funktioner

Cykler och förgrening

LangGraph möjliggör implementering av slingor och villkor i dina applikationer och ger större flexibilitet och kontroll över beräkningsflödet.

Persistens

En av LangGraphs utmärkande egenskaper är dess inbyggda persistens. Den sparar automatiskt tillståndet efter varje steg, vilket möjliggör felåterhämtning, arbetsflöden med människa-i-loopen och till och med “tidsresor” till tidigare tillstånd för olika åtgärder.

Människa-i-loopen

LangGraph stöder samarbete mellan människa och agent genom att tillåta avbrott i grafens exekvering. Användare kan godkänna eller redigera nästa åtgärd som agenten planerat, vilket säkerställer bättre kontroll och tillförlitlighet.

Strömmande stöd

För bättre användarupplevelse har LangGraph inbyggt stöd för strömmande utdata, både token-för-token och för mellanliggande steg, vilket ger dynamiska och interaktiva användarinteraktioner.

Integration med LangChain

Även om LangGraph kan användas fristående, integreras det sömlöst med LangChain och LangSmith, vilket ger en komplett svit för att bygga och hantera LLM-baserade applikationer.

Installation

För att installera LangGraph kan du använda följande kommando:

pip install -U langgraph

För JavaScript-versionen, använd:

npm install @langchain/langgraph

Användningsområden

Agent- och multi-agentarbetsflöden

LangGraph är idealiskt för att skapa arbetsflöden som involverar flera agenter eller aktörer där varje utför specifika uppgifter och fattar beslut på ett samordnat sätt.

Hantering av komplexa uppgifter

LangGraphs förmåga att hantera cykler och tillståndspersistens gör det perfekt för applikationer som kräver komplexa beslut och mekanismer för felåterhämtning.

Samarbete mellan människa och agent

Med inbyggt stöd för människa-i-loopen-interaktioner säkerställer LangGraph att agenter effektivt kan samarbeta med mänskliga användare, vilket gör det lämpligt för applikationer som kräver hög tillförlitlighet och kontroll.