Langchain

LangChain / LangGraph / LangSmith スキル

このプロジェクトは LangGraph を使用してエージェントワークフローを構築し、LangSmith で評価・監視を行います。

技術スタック概要

エージェント作成の選択肢

クイックリファレンス

LangGraph: create_react_agent（推奨）

from langgraph.checkpoint.postgres import PostgresSaver
from langgraph.prebuilt import create_react_agent

# 本番環境: PostgreSQL checkpointer
checkpointer = PostgresSaver.from_conn_string(DATABASE_URL)

# エージェント作成
graph = create_react_agent(
    model=model,
    tools=tools,
    checkpointer=checkpointer,
)

# 実行時は thread_id が必須
config = {"configurable": {"thread_id": "user-123"}}
result = graph.invoke({"messages": messages}, config=config)

LangChain v1.0: create_agent + Middleware

from langchain.agents import create_agent
from langchain.agents.middleware import (
    PIIMiddleware,
    SummarizationMiddleware,
    HumanInTheLoopMiddleware,
)

agent = create_agent(
    model="claude-sonnet-4-5-20250929",
    tools=[read_email, send_email],
    middleware=[
        PIIMiddleware("email", strategy="redact"),
        SummarizationMiddleware(max_tokens_before_summary=500),
        HumanInTheLoopMiddleware(
            interrupt_on={"send_email": {"allowed_decisions": ["approve", "reject"]}}
        ),
    ],
)

Human-in-the-Loop（HITL）

from langgraph.types import interrupt, Command

def approval_node(state):
    # 実行を一時停止して承認を待つ
    approved = interrupt("この操作を承認しますか？")
    if not approved:
        return {"status": "rejected"}
    return {"status": "approved"}

# 再開時
graph.invoke(Command(resume=True), config)

Structured Output

from pydantic import BaseModel, Field
from langchain.agents import create_agent
from langchain.agents.structured_output import ToolStrategy

class AnalysisResult(BaseModel):
    summary: str = Field(description="分析結果の要約")
    confidence: float = Field(ge=0.0, le=1.0)
    recommendations: list[str]

# LangChain v1.0: create_agent + ToolStrategy/ProviderStrategy
agent = create_agent(
    model="gpt-5.2",
    tools=tools,
    response_format=ToolStrategy(AnalysisResult),
)
result = agent.invoke({"messages": messages})
print(result["structured_response"])  # AnalysisResult インスタンス

# LangGraph: create_react_agent + response_format
from langgraph.prebuilt import create_react_agent

graph = create_react_agent(
    model=model,
    tools=tools,
    response_format=AnalysisResult,
)

ストリーミング時の注意: with_structured_output でストリーミングする場合は Pydantic ではなく TypedDict を使用する必要があります。詳細は structured-output-streaming.md を参照。

セキュリティ原則

# ❌ 危険: 広範なファイルアクセス
tools = [FileSystemTool(base_path="/")]

# ✅ 推奨: 制限されたアクセス
tools = [FileSystemTool(base_path="/app/uploads", read_only=True)]

詳細ドキュメント

リリースポリシー

Python 要件: Python 3.10 以上

Source: TItabashBoilerplates/shadcn-boilerplate — distributed by TomeVault.