LangGraphとは
エージェントワークフローを作成するために使用されるLLMアプリ構築するためのライブラリです。
AIエージェントが今後の流行になるとのことでしたので、LangGraphの基本的な使用方法を試してみました。
インストール
pip install -U langgraph
LangGraphの概念
Graphは基本的に「Node」と「Edge」という要素で構成されている。
- Node
- 処理部分
- Edge
- Node同士の接続部分
Stateというアプリのスナップショットを表す共有データ構造もある。
NodeとEdgeを組み合わせることで、時間経過と共にStateが変化するワークフローを構成することができる。
シンプルなグラフ
Stateの定義
TypedDictでStateクラスを定義する。
from typing_extensions import TypedDict
class State(TypedDict):
value: str
Graphの作成
StateGraphに定義したStateクラスを引数にインスタンスを作成する。
from langgraph.graph import StateGraph
graph = StateGraph(State)
Nodeの作成
nodeはStateを受け取って、更新したい情報を返す関数として定義する。
今回はNodeを2つ作成し、受け取った文字列に_node1や_node2を付け加える処理にしている。
def node1(state: State):
value = state["value"] + "_node1"
return {"value": value}
def node2(state: State):
value = state["value"] + "_node2"
return {"value": value}
GraphにNodeの追加
graphのadd_nodeメソッドを使用して、NodeをGraphに追加する。
graph.add_node("node1", node1)
graph.add_node("node2", node2)
Edgeの追加
node1とnode2をadd_edgeでEdgeとして接続する。
graph.add_edge("node1", "node2")
始点と終点を定義
set_entry_pointで始点を、set_finish_pointで終点を定義する。
graph.set_entry_point("node")
graph.set_finish_point("node2")
Graphのコンパイル
NodeとEdgeで構成したGraphをコンパイルする。
graph = graph.compile()
コンパイルしたGraphからmermaidで可視化したグラフを出力することができる。
from IPython.display import Image, display
display(Image(graph.get_graph().draw_mermaid_png()))
mermaid出力方法
print(graph.get_graph().draw_mermaid())
実行
invokeでStateの初期値を与える。
graph.invoke({"value": "hoge"})
出力
{'value': 'hoge_node1_node2'}
初期値のhogeの入力に対して、node1で実行されてhoge_node1になり、node2で実行されてhoge_node1_node2になっていて、期待した動作になっている。
デバッグ
invokeの引数で、debugをTrueにすることで実行時の情報を可視化できる。
graph.invoke({"value": "hoge"}, debug=True)
出力
[-1:checkpoint] State at the end of step -1:
{}
[0:tasks] Starting 1 task for step 0:
- __start__ -> {'value': 'hoge'}
[0:writes] Finished step 0 with writes to 1 channel:
- value -> 'hoge'
[0:checkpoint] State at the end of step 0:
{'value': 'hoge'}
[1:tasks] Starting 1 task for step 1:
- node1 -> {'value': 'hoge'}
[1:writes] Finished step 1 with writes to 1 channel:
- value -> 'hoge_node1'
[1:checkpoint] State at the end of step 1:
{'value': 'hoge_node1'}
[2:tasks] Starting 1 task for step 2:
- node2 -> {'value': 'hoge_node1'}
[2:writes] Finished step 2 with writes to 1 channel:
- value -> 'hoge_node1_node2'
[2:checkpoint] State at the end of step 2:
{'value': 'hoge_node1_node2'}
Graphの流れを追うことができる。
まとめ
LangGraphの超基本的な使用方法について試してみました。
AIエージェントは、さらに複雑なGraph構造になると思われるので、とりあえず基本的な使用方法を知れてよかったと思います。
今後は条件分岐やLLMを使用した本格的なAIエージェントの作成を試してみたいと思います。