LangChain v1.0 は LLM を使用して構築を始める最も簡単な方法で、OpenAI, Anthropic, Google 等によるエージェントを 10 行以下のコードで構築し始めることができます。
LangChain エージェント は LangGraph 上に構築され、永続実行、ストリーミング、human-in-the-loop、永続性、等を提供します。基本的な LangChain エージェントの使用には LangGraph の知識は必要ありません。
LangChain 1.0 alpha : 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 : 09/19/2025
バージョン : 1.0.0a5
* 本記事は docs.langchain.com の以下のページを独自に翻訳した上で、補足説明を加えてまとめ直しています。スニペットはできる限り日本語を使用しています :
* 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。
◆ お問合せ : 下記までお願いします。
- クラスキャット セールス・インフォメーション
- sales-info@classcat.com
- ClassCatJP
LangChain 1.0 alpha : 概要
LangChain は LLM を使用して構築を始める最も簡単な方法で、OpenAI, Anthropic, Google や その他 によるエージェントを 10 行以下のコードで構築し始めることができます。
LangChain エージェント は LangGraph 上に構築され、永続実行 (durable execution)、ストリーミング、human-in-the-loop、永続性、等を提供します。基本的な LangChain エージェントの使用には LangGraph の知識は必要ありません。
インストール
pip install --pre -U langchain
エージェントの作成
# pip install -qU "langchain[anthropic]" to call the model
from langchain.agents import create_agent
def get_weather(city: str) -> str:
"""Get weather for a given city."""
return f"{city} では常に晴れています!"
agent = create_agent(
model="anthropic:claude-3-7-sonnet-latest",
tools=[get_weather],
prompt="You are a helpful assistant",
)
# Run the agent
response = agent.invoke(
{"messages": [{"role": "user", "content": "東京の天気は？"}]}
)
print(response["messages"][-1].content)
東京の天気情報をお知らせします：東京では常に晴れています！
主な利点
標準モデルインターフェイス
レスポンスの形式を含み、モデルとやり取りするに、様々なプロバイダーが独自の API を提供しています。LangChain は、モデルとのやり取りの方法を標準化していますので、シームレスにプロバイダーを切り替えてロックインを回避できます。
… Learn more
使いやすく、非常に柔軟性の高いエージェント
LangChain のエージェント抽象化は、簡単に始められるように設計されていて、単純なエージェントを 10 行以下のコードで構築できます。また、十分な柔軟性も提供していて、思い通りのコンテキスト・エンジニアリングを行うことを可能にします。
… Learn more
LangGraph 上に構築
LangChain のエージェントは LangGraph 上に構築されています。これは、LangGraph の永続実行、human-in-the-loop サポート、永続性 等を活用することを可能にします。
… Learn more
LangSmith によるデバッグ
実行パスのトレース、状態遷移のキャプチャ、詳細な実行メトリクスの提供を行う可視化ツールにより、複雑なエージェント動作を詳細に可視化できます。
… Learn more
以上