LangGraph

概念

LangGraph は、長時間稼働するステートフルなエージェントの構築・管理・デプロイのための低レベルオーケストレーションフレームワークです。LangChain エコシステムにおける上級ライブラリに位置づけられます。

特徴：

• 永続実行：障害に耐えて長時間稼働でき、中断箇所から自動復旧する
• ヒューマン・イン・ザ・ループ：実行中の任意のタイミングで、エージェントの状態を検査・修正し、人間の監督を導入できる
• 包括的なメモリ：短期作業メモリ（継続的な推論）と、セッションをまたぐ長期永続メモリの両方をサポートする

LangChain との違い

LangGraph は大規模モデルアプリケーションに、より制御可能なループ計算能力をもたらします。LangChain の線形ワークフローを超え、ループと条件分岐によって複雑な多段階タスク処理をサポートします。

観点	LangChain	LangGraph
フローモデル	線形チェーン（LCEL | 合成）	グラフ構造（ノード + エッジ + 状態）
状態管理	追加のラッパーが必要	ステートフル実行を内蔵
適用シーン	単発呼び出し、シンプルなチェーン	多段推論、ツールループ、ヒューマン協調

Agent フレームワークを学ぶ 8 つの要点

1. 外部呼び出しの実装方法
2. マルチターン対話の実装方法
3. ストリーミング出力の実装方法
4. 短期 / 長期メモリの実装方法
5. ヒューマンインタラクションの実装方法
6. プランニングロジックの実装方法
7. マルチ Agent の実装方法
8. Debug とモニタリングの実装方法

核心概念：グラフ

LangGraph はエージェントのワークフローをグラフとしてモデル化します。3 つのコンポーネントで動作を定義します。

コンポーネント	説明
State（状態）	アプリケーションの現在コンテキストを表す共有データ構造。任意の Python 型を使用でき、通常は TypedDict
Node（ノード）	エージェントロジックを実装する Python 関数。現在の State を受け取り、計算後に更新された State を返す
Edge（エッジ）	現在の State に基づき、次に実行する Node を決定する。条件分岐または固定遷移をサポート

Node と Edge を組み合わせることで、複雑で多分支、ループ可能な動的ワークフローを構築でき、State は実行に伴い段階的に変化します。

エージェントアーキテクチャ

LangGraph は 4 つの一般的なエージェントパターンをデフォルトでサポートします。上から下へ、人間による制御は減り、自律性は順に高まります。

パターン	フロー	制御度
ルーティングエージェント	ユーザー入力 → LLM 意図分類 → 対応する専門ノードへルーティング	高
ツールエージェント	ユーザー質問 → LLM がツール使用を判断 → ツール呼び出し → 回答を整理	中
自律ループエージェント	思考 → 行動 → 観察 → 自身のノードへ戻って再思考	低
マルチエージェント	1 つのモデルが問題を分析・分類し、対応するモデルへそれぞれ委譲	最低

ルーティングエージェント

ルーティンググラフを構築する際は、通常 .with_structured_output() と組み合わせて使用します。出力形式は TypedDict、JSON Schema、または Pydantic（推奨）から選択できます。

Pydantic による構造化出力は、データが指定された構造と型に適合することを保証し、処理エラーを減らします。検証に失敗した場合は例外が発生するため、問題を早期に発見できます。

from typing import Optional
from pydantic import BaseModel, Field

class User(BaseModel):
    """Extracted user information, such as name, age if relevant"""
    name: str = Field(description="The name of user")
    age: Optional[int] = Field(description="The age of user")

フィールドの説明：

• name：必須
• age：任意

ツールエージェント

LangGraph はツール呼び出し用の組み込み ToolNode を提供します。内部フローは Function Calling とほぼ同じです。

ToolNode は LangChain の Runnable オブジェクトを返します。グラフ状態（メッセージリストを含む）を入力とし、状態更新とツール呼び出し結果を出力することで、LangGraph の他コンポーネントと連携します。

使用前提：

1. State にメッセージリストが含まれていること
2. 最後のメッセージが AIMessage であること
3. AIMessage に tool_calls が含まれていること

自律ループエージェント（ReAct）

ReAct（Reasoning + Acting）は、Agent の中核となる思考・行動フレームワークです。自然言語による推論を通じてツール呼び出しを導き、「思考 → 行動 → 観察」のループを形成し、タスク完了まで繰り返します。

LangGraph では、自律ループエージェントはエッジでノードを自身に戻すことでループを実現します。LLM ノードがツール呼び出しを出力 → ToolNode が実行して観察結果を書き戻す → 再度 LLM ノードへ入って推論を継続します。このパターンは、多段推論やツール連携が必要なシーン（インテリジェントカスタマーサポート、レポート生成、タスク計画など）に適しています。

マルチエージェント

マルチエージェントモードでは、通常コーディネーターノードが問題分析とタスク分配を担当し、各サブエージェントが特定領域に特化します。LangGraph のグラフ構造は、複数ノードの協調と条件ルーティングを自然にサポートするため、異なるモデルやツールセットの組み合わせが容易です。