[1分でわかる]LangGraphってなんだ？

結論

「LangChainの弟分、複雑なエージェント向け」

状態管理・ループ・分岐を持つ複雑なAIワークフローを構築するフレームワーク。

---

LangChainとの違い（3行）

項目	LangChain	LangGraph
構造	線形（A→B→C）	グラフ（ループ・分岐OK）
状態	手動で受け渡し	自動で管理
用途	シンプルなRAG・Chain	複雑なマルチエージェント

---

図解

【LangChain】線形パイプライン

  入力 → 処理A → 処理B → 処理C → 出力
  
  ※ 一方通行、戻れない


【LangGraph】グラフ構造

  入力 → 処理A ←──┐
           │      │
           ▼      │ ループ
        判断ノード─┘
           │
     ┌─────┴─────┐
     ▼           ▼ 分岐
   処理B       処理C
     │           │
     └─────┬─────┘
           ▼
         出力

---

いつLangGraphを使う？

【LangChain向き】
・シンプルなRAG
・1回の入出力で完結
・固定のワークフロー

【LangGraph向き】
・マルチエージェント
・Human-in-the-Loop（人間の承認待ち）
・リトライ・エラーハンドリング
・長時間タスク（状態保存が必要）

---

コード比較（超簡略）

# LangChain: 線形チェーン
chain = prompt | llm | output_parser
result = chain.invoke({"input": "質問"})

# LangGraph: グラフ構造
graph = StateGraph(State)
graph.add_node("agent", agent_node)
graph.add_node("tool", tool_node)
graph.add_edge("agent", "tool")
graph.add_conditional_edges("tool", should_continue)
app = graph.compile()
result = app.invoke({"input": "質問"})

---

一言まとめ

LangChain = 直線道路
LangGraph = 交差点・信号・Uターンあり

→ 両方併用が一般的（LangChainで部品、LangGraphで組み立て）

---

参考

• LangGraph公式
• LangGraph GitHub