翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

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

LangChain は、エージェント AI エコシステムで最も確立されたフレームワークの 1 つです。 は、 [LangChain ブログ](https://blog.langchain.dev/how-to-think-about-agent-frameworks/)で説明されているように、その機能LangGraphを拡張して、複雑でステートフルなエージェントワークフローをサポートします。これらを組み合わせることで、独立した運用のための豊富なオーケストレーション機能を備えた高度な自律型 AI エージェントを構築するための包括的なソリューションを提供します。

## LangChain および の主な機能 LangGraph
<a name="key-features-of-langchain-and-langgraph"></a>

LangChain および には、次の主要な機能LangGraphが含まれています。
+ **コンポーネントエコシステム** – さまざまな自律型エージェント機能用の構築済みコンポーネントの広範なライブラリ。特殊なエージェントの迅速な開発を可能にします。詳細については、 LangChainドキュメントの[「クイックスタート](https://docs.langchain.com/oss/python/langchain/quickstart)」を参照してください。
+ **基盤モデルの選択** – Anthropic Claude、Amazon Bedrock の Amazon Nova モデル (Premier、Pro、Lite、Micro) など、さまざまな推論機能のためのさまざまな基盤モデルをサポートします。詳細については、 LangChainドキュメントの[「入力と出力](https://python.langchain.com/docs/concepts/chat_models/#inputs-and-outputs)」を参照してください。
+ **LLM API 統合** – Amazon Bedrock、 など、柔軟なデプロイOpenAIのための複数の大規模言語モデル (LLM) サービスプロバイダー向けの標準化されたインターフェイス。詳細については、 LangChainドキュメントの[LLMs](https://python.langchain.com/docs/integrations/llms/)」を参照してください。
+ **マルチモーダル処理** – テキスト、画像、オーディオ処理の組み込みサポートにより、リッチなマルチモーダル自律型エージェントインタラクションが可能になります。詳細については、 LangChainドキュメントの[「マルチモダリティ](https://python.langchain.com/docs/concepts/chat_models/#multimodality)」を参照してください。
+ **グラフベースのワークフロー** – 複雑な自律型エージェントの動作をステートマシンとして定義LangGraphし、高度な決定ロジックをサポートできます。詳細については、[LangGraph「プラットフォーム GA ](https://blog.langchain.dev/langgraph-platform-ga/)の発表」を参照してください。
+ **メモリ抽象化** – 短期および長期のメモリ管理のための複数のオプション。これは、時間の経過とともにコンテキストを維持する自律型エージェントに不可欠です。詳細については、 LangChainドキュメントの[「チャットボットにメモリを追加する方法](https://python.langchain.com/docs/how_to/chatbots_memory/)」を参照してください。
+ **ツール統合** – さまざまなサービスと APIs、自律型エージェント機能を拡張します。詳細については、 LangChainドキュメントの[「ツール](https://python.langchain.com/docs/how_to/#tools)」を参照してください。
+ **LangGraph プラットフォーム** – 長時間稼働の自律型エージェントをサポートする、本番環境向けのマネージドデプロイおよびモニタリングソリューション。詳細については、[LangGraph「プラットフォーム GA ](https://blog.langchain.dev/langgraph-platform-ga/)の発表」を参照してください。

## LangChain と を使用するタイミング LangGraph
<a name="when-to-use-langchain-and-langgraph"></a>

LangChain と LangGraphは、特に次のような自律型エージェントシナリオに適しています。
+ 自律的な意思決定に高度なオーケストレーションを必要とする複雑な複数ステップの推論ワークフロー
+ さまざまな自律機能のための構築済みのコンポーネントと統合の大規模なエコシステムへのアクセスを必要とするプロジェクト
+ 自動システムの構築を希望する既存の Pythonベースの機械学習 (ML) インフラストラクチャと専門知識を持つチーム
+ 長時間実行される自律型エージェントセッション全体で複雑な状態管理を必要とするユースケース

## LangChain と の実装アプローチ LangGraph
<a name="implementation-approach-for-langchain-and-langgraph"></a>

LangChain と は、 [LangGraphドキュメント](https://python.langchain.com/docs/langgraph)に詳述されているように、ビジネスステークホルダーに構造化された実装アプローチLangGraphを提供します。このフレームワークにより、組織は次のことが可能になります。
+ ビジネスプロセスを表す高度なワークフローグラフを定義します。
+ 決定ポイントと条件付きロジックを使用して、複数ステップの推論パターンを作成します。
+ マルチモーダル処理機能を統合して、さまざまなデータ型を処理します。
+ 組み込みのレビューおよび検証メカニズムを使用して、品質管理を実装します。

このグラフベースのアプローチにより、ビジネスチームは複雑な意思決定プロセスを自律型ワークフローとしてモデル化できます。チームは、推論プロセスの各ステップと、決定パスを監査する能力を明確に把握できます。

## と の実際の例 LangChain LangGraph
<a name="real-world-example-of-langchain-and-langgraph"></a>

Vodafone は、[LangChainエンタープライズのケーススタディ](https://blog.langchain.com/customers-vodafone/)で説明されているように、 LangChain (および LangGraph) を使用して自動エージェントを実装し、データエンジニアリングとオペレーションのワークフローを強化しています。パフォーマンスメトリクスを自律的にモニタリングし、ドキュメントシステムから情報を取得し、自然言語インタラクションを通じて実用的なインサイトを提示する内部 AI アシスタントを構築しました。

このVodafone実装では、LangChainモジュラードキュメントローダー、ベクトル統合、および複数の LLMs (OpenAI、LLaMA 3、および Gemini) のサポートを使用して、これらのパイプラインを迅速にプロトタイプ化およびベンチマークします。次に、モジュール式のサブエージェントLangGraphをデプロイして、マルチエージェントオーケストレーションを構造化するために使用されます。これらのエージェントは、収集、処理、要約、推論タスクを実行します。 APIs を通じてこれらのエージェントをクラウドシステムLangGraphに統合しました。