[LangGraph] Prebuilt ReAct Agentを触ってみる

重要な記事

LangGraph 0.3 Release: Prebuilt Agents

• 高レベルの抽象化により、簡単に始めることができ、新しい認知アーキテクチャを簡単に試すことができ、この分野への素晴らしい入り口となる
• これまで、上位レベルの抽象化が 1 つあり、メインlanggraphパッケージに存在している。これはcreate_react_agent、単純なツール呼び出しエージェントを作成するためのラッパーだ。今日、これを 0.3 リリースの一部として langgraphから分離し、 langgraph-prebuiltに移動した
• https://langchain-ai.github.io/langgraph/reference/prebuilt/

langchainアーキテクチャ

• https://python.langchain.com/docs/concepts/architecture/

Tool Callingとは

• tool callingはLLMが外部ツールを使用することを指す
• メリット: ツールを活用することでLLMができない作業もできるようになること

参照：https://python.langchain.com/docs/concepts/tool_calling/

1. Tool Callingの関数を定義する
2. 定義した関数をLLMの実行に紐づける
3. LLMから呼び出された関数を実際に実行する

試すコード

• https://raw.githubusercontent.com/alingogo/langGraph-study/refs/heads/main/PrebuiltReActAgent/tool_calling_concept.py

デメリット

• Toolとして定義した関数は bind_tool でモデルに紐づけただけでは自動的に実行されません
• hello worldなどメッセージを入力すると、定義した関数と紐づけることができなく、エラー発生
• 単一AIエージェントで利用できそう

参照：

• Tool Calling
• [LangChain] Tool Calling 入門

LangGraph

create_react_agent

参照：https://langchain-ai.github.io/langgraph/reference/prebuilt/#langgraph.prebuilt.chat_agent_executor.create_react_agent

1. Toolを呼ばれているか判断する
2. Toolを呼ばれていたら、Toolの結果と共にLLMで判断する
3. 結果出ていれば、処理終了

試すコード

• https://raw.githubusercontent.com/alingogo/langGraph-study/refs/heads/main/PrebuiltReActAgent/create_react_agent.py

メリット

• 計算処理じゃないプロンプトの場合、例えば、「面白い話を教えて」をインプットするでも答えをもらう