こんにちは！最近、ChatGPTをはじめとするAIが話題ですよね。でも「ChatGPTを使って自分のアプリを作りたい！」と思ったことはありませんか？

そんな時に便利なのがLangChainというツールです。今回は、プログラミング初心者でもわかるように、LangChainについて解説していきます。

LangChainとは？

LangChainは、AIを使ったアプリケーションを簡単に作るためのフレームワークです。

フレームワークというのは、「便利な道具箱」のようなもの。料理に例えると、一から調味料を調合するのではなく、すでに用意された調味料セットを使って料理を作る感じです。

なぜLangChainが必要なの？

ChatGPTなどのAIをアプリに組み込もうとすると、実は結構大変なんです。

APIを呼び出すコードを書く
長い文章を分割して処理する
過去の会話を記憶させる
データベースから情報を取得して回答に使う

これらを全部自分で書くのは大変ですよね。LangChainを使えば、こういった機能がすでに用意されているので、開発がグッと楽になります。

LangChainでできること

1. チャットボットの作成

一番シンプルな使い方です。ChatGPTのようなAIと会話できるボットを簡単に作れます。

from langchain_openai import ChatOpenAI
from langchain.schema import HumanMessage

# AIモデルの準備
chat = ChatOpenAI(temperature=0.7)

# メッセージを送信
messages = [HumanMessage(content="Pythonについて教えて")]
response = chat.invoke(messages)

print(response.content)

2. 長期記憶を持たせる

普通のChatGPTは、会話の履歴を覚えていません。でもLangChainを使えば、過去の会話を記憶させることができます。

from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

# 記憶機能を追加
memory = ConversationBufferMemory()
conversation = ConversationChain(
    llm=chat,
    memory=memory
)

# 会話する
conversation.predict(input="私の名前は太郎です")
conversation.predict(input="私の名前は何でしたか？")
# → "太郎さんですね！"と答えてくれる

3. 自分のデータを使った質問応答（RAG）

これが超便利！自分の持っているPDFファイルや文書の内容について、AIに質問できるようになります。

例えば、大学の講義資料をアップロードして「この資料の要点は？」と聞いたり、論文を読ませて「この研究の新規性は？」と質問したりできます。

from langchain.document_loaders import PyPDFLoader
from langchain.vectorstores import FAISS
from langchain.embeddings import OpenAIEmbeddings
from langchain.chains import RetrievalQA

# PDFを読み込む
loader = PyPDFLoader("lecture_notes.pdf")
documents = loader.load()

# ベクトルデータベースに保存
embeddings = OpenAIEmbeddings()
vectorstore = FAISS.from_documents(documents, embeddings)

# 質問応答システムを作成
qa_chain = RetrievalQA.from_chain_type(
    llm=chat,
    retriever=vectorstore.as_retriever()
)

# 質問する
answer = qa_chain.run("この資料の主なテーマは何ですか？")
print(answer)

4. AIエージェント（自動タスク実行）

これはちょっと上級編。AIが自分で考えて、複数のツールを使いながらタスクを達成してくれます。

例えば、「今日の天気を調べて、もし雨なら傘を持っていくようリマインドして」みたいな複雑な指示も可能です。

LangChainの主要コンポーネント

LangChainは、いくつかの主要な部品で構成されています。

Models（モデル）

AIの本体です。OpenAI（ChatGPT）、Azure OpenAI、Anthropic（Claude）など、様々なAIサービスを使えます。

Prompts（プロンプト）

AIへの指示文のテンプレートです。毎回同じような指示を書くのは面倒なので、テンプレート化できます。

from langchain.prompts import PromptTemplate

template = "あなたは{subject}の専門家です。{question}について説明してください。"
prompt = PromptTemplate(
    input_variables=["subject", "question"],
    template=template
)

# 使用例
final_prompt = prompt.format(subject="機械学習", question="過学習とは")

Chains（チェーン）

複数の処理を連鎖させる機能です。「文書を読み込む → 要約する → 翻訳する」のような流れを作れます。

Memory（記憶）

会話の履歴を保存する機能です。これにより、文脈を理解した会話ができます。

Agents（エージェント）

AIが自分で判断して、必要なツールを選んで使う機能です。一番高度な機能ですね。

実際に始めてみよう

必要なもの

Python（バージョン3.8以上）
OpenAI APIキー（有料ですが、初回クレジットがもらえます）
やる気

インストール

pip install langchain langchain-openai

最初の一歩

import os
from langchain_openai import ChatOpenAI

# APIキーを設定（事前に取得が必要）
os.environ["OPENAI_API_KEY"] = "your-api-key-here"

# AIモデルを初期化
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.7)

# 質問してみる
response = llm.invoke("LangChainの使い方を教えて")
print(response.content)

これだけで動きます！簡単ですよね。

よくある使用例

大学生活での活用アイデア

レポート作成アシスタント：参考文献を読み込ませて、要約や引用を手伝ってもらう
試験対策チャットボット：講義資料をアップロードして、質問に答えてもらう
論文読解サポート：難しい論文を読ませて、わかりやすく説明してもらう
語学学習：会話練習の相手になってもらう
プログラミング学習：コードの説明やバグ修正のヒントをもらう

注意点

コストについて

OpenAIのAPIは有料です。使った分だけ料金がかかります（従量課金制）。ただし、gpt-3.5-turboは比較的安価なので、個人の学習用途なら月数百円程度で済むことが多いです。

データのプライバシー

個人情報や機密情報をAIに送信する際は注意が必要です。OpenAIのポリシーでは、API経由で送信されたデータは学習には使われませんが、それでも慎重に扱いましょう。

回答の正確性

AIは時々間違った情報を自信満々に答えることがあります（これを「ハルシネーション」と呼びます）。重要な情報は必ず自分で確認しましょう。

もっと学びたい人へ

LangChainは奥が深く、ここで紹介したのはほんの一部です。

おすすめの学習リソース

公式ドキュメント：https://python.langchain.com/
GitHub：実際のコード例がたくさんあります
YouTube：チュートリアル動画が豊富
Qiita / Zenn：日本語の解説記事が増えています

まとめ

LangChainは、AIを使ったアプリケーション開発を簡単にしてくれる強力なツールです。

チャットボットが作れる
自分のデータを使った質問応答ができる
会話の履歴を記憶できる
複雑なタスクを自動化できる

最初は難しく感じるかもしれませんが、小さなプロジェクトから始めて、少しずつ機能を追加していけば大丈夫です。

あなたもLangChainを使って、便利なAIアプリを作ってみませんか？

プログラミングの世界へようこそ！

補足：Azure OpenAIを使う場合

大学や企業でAzure OpenAIを使っている場合は、以下のようにモデルを初期化します。

from langchain_openai import AzureChatOpenAI

llm = AzureChatOpenAI(
    azure_endpoint="https://your-resource.openai.azure.com/",
    api_key="your-api-key",
    api_version="2024-02-01",
    deployment_name="your-deployment-name"
)

基本的な使い方は同じなので、環境に合わせて選んでくださいね！