Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# LangChain e LangGraph
<a name="langchain-langgraph"></a>

LangChainè uno dei framework più affermati nell'ecosistema di intelligenza artificiale agentica. LangGraph[estende le sue funzionalità per supportare flussi di lavoro complessi e basati sullo stato degli agenti, come descritto nel blog. LangChain](https://blog.langchain.dev/how-to-think-about-agent-frameworks/) Insieme, forniscono una soluzione completa per la creazione di sofisticati agenti di intelligenza artificiale autonomi con ricche capacità di orchestrazione per operazioni indipendenti.

## Caratteristiche principali di e LangChain LangGraph
<a name="key-features-of-langchain-and-langgraph"></a>

LangChaine LangGraph includono le seguenti funzionalità chiave:
+ **Ecosistema di componenti**: ampia libreria di componenti predefiniti per varie funzionalità di agenti autonomi, che consente lo sviluppo rapido di agenti specializzati. Per ulteriori informazioni, consulta [Quickstart](https://docs.langchain.com/oss/python/langchain/quickstart) nella LangChain documentazione.
+ **Selezione del modello Foundation**: supporto per diversi modelli di base, tra cui Anthropic Claude, Amazon Nova (Premier, Pro, Lite e Micro) su Amazon Bedrock e altri per diverse funzionalità di ragionamento. Per ulteriori informazioni, consulta [Ingressi e uscite nella documentazione](https://python.langchain.com/docs/concepts/chat_models/#inputs-and-outputs). LangChain
+ **Integrazione dell'API LLM**: interfacce standardizzate per più fornitori di servizi LLM (Large Language Model) tra cui Amazon Bedrock e altri per una OpenAI distribuzione flessibile. [Per ulteriori informazioni, consulta gli LLM nella documentazione.](https://python.langchain.com/docs/integrations/llms/) LangChain
+ **Elaborazione multimodale: Built-in supporto per l'elaborazione** di testo, immagini e audio per consentire ricche interazioni multimodali tra agenti autonomi. Per ulteriori informazioni, vedete [Multimodalità](https://python.langchain.com/docs/concepts/chat_models/#multimodality) nella documentazione. LangChain
+ **Graph-based flussi di lavoro**: LangGraph consente di definire comportamenti complessi di agenti autonomi come macchine a stati, supportando una logica decisionale sofisticata. Per ulteriori informazioni, consulta l'annuncio di [LangGraphPlatform GA](https://blog.langchain.dev/langgraph-platform-ga/).
+ **Astrazioni di memoria**: opzioni multiple per la gestione della memoria a breve e lungo termine, essenziali per gli agenti autonomi che mantengono il contesto nel tempo. Per ulteriori informazioni, consulta [Come aggiungere memoria ai chatbot nella documentazione.](https://python.langchain.com/docs/how_to/chatbots_memory/) LangChain
+ **Integrazione con strumenti**: ricco ecosistema di integrazioni di strumenti tra vari servizi e API, che estende le capacità degli agenti autonomi. Per ulteriori informazioni, consulta [Tools nella documentazione](https://python.langchain.com/docs/how_to/#tools). LangChain
+ **LangGraph piattaforma**: soluzione gestita di implementazione e monitoraggio per ambienti di produzione, che supporta agenti autonomi a lunga durata. Per ulteriori informazioni, consulta l'annuncio di [LangGraphPlatform GA](https://blog.langchain.dev/langgraph-platform-ga/).

## Quando usare LangChain e LangGraph
<a name="when-to-use-langchain-and-langgraph"></a>

LangChaine LangGraph sono particolarmente adatti per scenari con agenti autonomi, tra cui:
+ Flussi di lavoro complessi di ragionamento in più fasi che richiedono un'orchestrazione sofisticata per un processo decisionale autonomo
+ Progetti che richiedono l'accesso a un ampio ecosistema di componenti e integrazioni predefiniti per diverse funzionalità autonome
+ Team con infrastruttura ed esperienza di machine Python learning (ML) esistenti che desiderano creare sistemi autonomi
+ Casi d'uso che richiedono una gestione dello stato complessa in sessioni di agenti autonomi di lunga durata

## Approccio di implementazione per LangChain e LangGraph
<a name="implementation-approach-for-langchain-and-langgraph"></a>

LangChaine LangGraph forniscono un approccio di implementazione strutturato per gli stakeholder aziendali, come dettagliato nella [LangGraphdocumentazione](https://python.langchain.com/docs/langgraph). Il framework consente alle organizzazioni di:
+ Definisci grafici sofisticati del flusso di lavoro che rappresentano i processi aziendali.
+ Crea modelli di ragionamento in più fasi con punti decisionali e logica condizionale.
+ Integra funzionalità di elaborazione multimodali per gestire diversi tipi di dati.
+ Implementa il controllo di qualità attraverso meccanismi di revisione e convalida integrati.

Questo approccio basato su grafici consente ai team aziendali di modellare processi decisionali complessi come flussi di lavoro autonomi. I team hanno una chiara visibilità su ogni fase del processo di ragionamento e la capacità di verificare i percorsi decisionali.

## Real-world esempio di e LangChain LangGraph
<a name="real-world-example-of-langchain-and-langgraph"></a>

Vodafoneha implementato agenti autonomi utilizzando LangChain (andLangGraph) per migliorare i flussi di lavoro di ingegneria dei dati e operativi, come dettagliato nel [case study LangChain Enterprise](https://blog.langchain.com/customers-vodafone/). Hanno creato assistenti di intelligenza artificiale interni che monitorano autonomamente le metriche delle prestazioni, recuperano informazioni dai sistemi di documentazione e presentano informazioni utili, il tutto attraverso interazioni in linguaggio naturale.

L'Vodafoneimplementazione utilizza caricatori di documenti LangChain modulari, integrazione vettoriale e supporto per più LLM (3, e) per prototipare e confrontare rapidamente queste pipeline. OpenAI LLaMA Gemini Sono stati quindi utilizzati per LangGraph strutturare l'orchestrazione multiagente implementando agenti secondari modulari. Questi agenti eseguono attività di raccolta, elaborazione, riepilogo e ragionamento. LangGraphhanno integrato questi agenti tramite API nei loro sistemi cloud.