langchain-ai/langgraph-101

解決する問題

現実世界のタスクを確実に処理する LLM エージェントを構築することは、その動作を細かく制御する必要があることが多いため困難です。このリポジトリは、LangChain、LangGraph、Deep Agents を使用してそのようなエージェントを構築する方法を開発者に教えるために存在します。LangGraph はエージェントワークフローに精度と制御を追加するためのフレームワークを提供し、Deep Agents は複雑なマルチステップタスクのための組み込みツール、コンテキスト管理、スキルを追加します。チュートリアルでは、単純なエージェントから、人間の監視とマルチエージェントコラボレーションを備えた本番グレードのシステムへの移行方法を示します。

仕組み

プロジェクトは2つの学習トラックに編成されています。101トラックは基礎をカバーします。モデル、ツール、メモリ、ストリーミングを使用した最初のエージェントの構築、その後、ミドルウェア、人間参加型パターン、ガードレールを探求します。201トラックは本番パターンをより深く掘り下げます。ステートフルなメールトリアージエージェント、スーパーバイザーと専門のサブエージェントを備えたマルチエージェントシステム、並列サブリサーチャーを備えたディープリサーチエージェント、AGENTS.md、スキル、バックエンド、長期メモリ、人間参加型インタラクションを備えたゼロからのDeep Agents。ノートブックに加えて、リポジトリにはスタンドアロンのエージェント実装（天気、メール、ミュージックストア、リサーチャー、ディープエージェント）が含まれており、langgraph dev と LangGraph Studio を使用してローカルで実行できます。すべてのモデルは utils/models.py で集中的に構成され、OpenAI、Azure OpenAI、AWS Bedrock、Google Vertex AI をサポートしています。

対象読者

これは、構造化されたハンズオンな方法で LLM エージェントの構築を学びたい開発者を対象としています。LangChain エコシステム（LangGraph や Deep Agents を含む）に興味がある人に特に役立ちます。この教材は LangChain Academy の凝縮版であり、LangChain エンジニアとのセッションで実行するように設計されていますが、Python 環境と API キーの設定に慣れていれば、自己学習にも適しています。

ハイライト

• 2つの明確な学習パス：101は基礎、201は本番パターン
• create_agent() や create_deep_agent() などの最新のプリミティブを使用してエージェントを段階的に構築するハンズオンノートブック
• LangGraph Studio で実行できるスタンドアロンエージェントの例：天気、メールトリアージ、マルチエージェントミュージックストア、ディープリサーチャー、DeepAgents リサーチエージェント
• 高度なトピックをカバー：ミドルウェア、人間参加型、マルチエージェント監督、長期メモリ、スキル、並列サブエージェント
• 複数の LLM プロバイダー（OpenAI、Azure、Bedrock、Vertex AI）の単一構成で簡単に切り替え
• ホットリロードとビジュアルデバッガーを備えたローカル開発に langgraph dev を使用