はじめに

こんにちは、慶應義塾大学理工学部機械工学科3年の金賢佑です！
私は東大発AIベンチャーの株式会社2WINSの元でインターンをしています！

これからの記事では自分がインターンを通して最強のAIエンジニアを目指していきます！
第八回はLCELの基礎を記録しました！

LCELって？

LCELは、LangChain Expression Languageの略！

前回のday6ではテンプレートを作って、それを実際にLLMに送ったりしましたよね！
その他出力をPythonオブジェクトにしたりとか。
それらを連鎖的に行うのがLCELです！

前回も使いましたが、以下のコードでテンプレートを作ってみたください！

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
    [
        ("system", "ユーザーが入力した料理のレシピを教えてください。"),
        ("human", "{dish}"),
    ]
)

続いてChatOpenAIを準備します。

from langchain_openai import ChatOpenAI

model = ChatOpenAI(model_name='gpt-4o', temperature=0)

次にchainでこれら二つを繋ぎます！

chain = prompt | model

その後実行します！

ai_message = chain.invoke({"dish": 'ハンバーグ'})
print(ai_message.content)

以下のように、ちゃんとレシピが作成されましたね！

ハンバーグのレシピをご紹介します。これは基本的なハンバーグの作り方ですが、お好みでアレンジしてみてください。

### 材料（4人分）
- 牛ひき肉：250g
- 豚ひき肉：250g
- 玉ねぎ：1個（みじん切り）
- パン粉：1/2カップ
- 牛乳：1/4カップ
- 卵：1個
- 塩：小さじ1/2
- こしょう：少々
- ナツメグ：少々（お好みで）
- サラダ油：大さじ1

### ソース（お好みで）
- ケチャップ：大さじ3
- ウスターソース：大さじ2

### 作り方
1. **玉ねぎを炒める**  
   フライパンにサラダ油を熱し、みじん切りにした玉ねぎを透明になるまで炒め、冷ましておきます。

2. **パン粉を湿らせる**  
   ボウルにパン粉を入れ、牛乳を加えてしばらく置き、パン粉を湿らせます。

3. **材料を混ぜる**  
   大きなボウルに牛ひき肉、豚ひき肉、冷ました玉ねぎ、湿らせたパン粉、卵、塩、こしょう、ナツメグを入れ、よく混ぜ合わせます。

4. **成形する**  
   手に少量のサラダ油をつけ、肉だねを4等分し、空気を抜くようにして楕円形に成形します。

5. **焼く**  
   フライパンにサラダ油を熱し、中火でハンバーグを焼きます。片面に焼き色がついたら裏返し、蓋をして弱火で中まで火が通るまで焼きます（約10分）。

6. **ソースを作る（お好みで）**  
   ハンバーグを取り出した後のフライパンにケチャップとウスターソースを入れ、軽く煮詰めてソースを作ります。

7. **盛り付ける**  
   焼き上がったハンバーグを皿に盛り付け、ソースをかけて完成です。

お好みで、付け合わせにサラダや温野菜を添えてお楽しみください。

LCELの裏側

ではLCELは裏で何を行なっているのでしょうか？
|って実際にはなんなのでしょうか？

先に結論から言うと、|は「演算子オーバーロード」と言うものです。
私たちが普段使っている+や-も「演算子オーバーロード」なのです。

例えば、私たちが

3 + 5         
"Hello" + "!"

と入力したとき、裏では__add__()メソッドが呼び出されているのです。

3.__add__(5)
"Hello".__add__("!")

その結果、int同士が足されたり、文字列同士が合わさったりしているのです。
また、__add__()は+が使われたときに呼び出される関数なので、もし自分のクラス内で定義すれば、

class Dog:
    def __init__(self, name):
        self.name = name

    def __add__(self, other):
        return f"{self.name}と{other.name}が仲良しになった！"

a = Dog("ポチ")
b = Dog("ハチ")

print(a + b)  # → ポチとハチが仲良しになった！

なんて使い方もできます！

では、演算子|を使うとどんなメソッドが呼び出されているのでしょうか。
正解は、__or__()メソッドが呼び出されています。
つまり、prompt | modelはprompt.__or__(model)を表しています。

実際に__or__()メソッドの中身は

    def __or__(
        self,
        other: Union[
            Runnable[Any, Other],
            Callable[[Any], Other],
            Callable[[Iterator[Any]], Iterator[Other]],
            Mapping[str, Union[Runnable[Any, Other], Callable[[Any], Other], Any]],
        ],
    ) -> RunnableSerializable[Input, Other]:
        """Compose this Runnable with another object to create a RunnableSequence."""
        return RunnableSequence(self, coerce_to_runnable(other))

読み解くのが大変なので要点だけ説明すると、
prompt.__or__(model)が呼び出されるので、self = prompt, other = modelになります。
Unionからはotherに渡せるものの種類を表記しています。
->からは返り値の型が入っています。

まとめ

今回は私たち人間が読みやすいように.textを用いましたが、次はさらにPydanticOutputParserを使えば後でリストから取り出すこともできるようになりますね！

お疲れ様でした！

参考文献

LangChainとLangGraphによるRAG・AIエージェント〈実践〉入門/西見公宏/吉田真吾/大嶋勇樹