第1章：LangChainとは？

学習目標

• LLMアプリケーションをゼロから構築する際の課題を理解する
• LangChainとは何か、その核心的な価値を学ぶ
• LangChainエコシステム（LangChain、LangGraph、LangSmith）を探る
• LangChain v1.0の主要な変更点を理解する
• LangChainをシステムにインストールする

1.1 LLMアプリケーション構築の課題

GPT-4、Claude、GeminiなどのLarge Language Models（LLM）は、AIで可能なことを革新しました。しかし、これらのモデルを使用して本番対応のアプリケーションを構築するには、いくつかの課題があります：

フレームワークなしの場合

フレームワークなしでLLMアプリケーションを構築するには、以下が必要です：

• 複数のAPIを処理：各LLMプロバイダー（OpenAI、Anthropic、Google）は異なるAPI、認証方法、レスポンス形式を持つ
• プロンプトを手動で管理：テンプレート化、バージョン管理、プロンプトの組み合わせの標準的な方法がない
• メモリを自分で実装：会話履歴の追跡、コンテキストウィンドウの管理、トークン制限の処理
• ツール統合をゼロから構築：データベース、API、外部サービスへの接続
• エラーを個別に処理：リトライ、フォールバック、優雅な劣化の実装

1.2 LangChainの登場

LangChainは、Large Language Modelsを活用したアプリケーション構築を簡素化するオープンソースフレームワークです。

主な価値提案

# LangChain：シンプルで統一されたインターフェース
from langchain_openai import ChatOpenAI
from langchain_anthropic import ChatAnthropic
from langchain_google_genai import ChatGoogleGenerativeAI

# 1行でプロバイダーを切り替え - 同じインターフェース！
llm = ChatOpenAI(model="gpt-4")
# llm = ChatAnthropic(model="claude-sonnet-4-20250514")
# llm = ChatGoogleGenerativeAI(model="gemini-pro")

# 同じコードがすべてのプロバイダーで動作
response = llm.invoke("量子コンピューティングを簡単に説明してください")
print(response.content)

1.3 LangChainエコシステム

LangChainは単なるライブラリではなく、LLMアプリケーション開発のさまざまな側面に対応したツールのエコシステムです：

LangChain（コア）

主要フレームワークが提供するもの：

• チャットモデルとLLM抽象化
• プロンプトテンプレートと出力パーサー
• ドキュメントローダーとテキストスプリッター
• ベクトルストアとリトリーバー
• チェーンと新しいcreate_agent API

LangGraph

ステートフルなマルチアクターアプリケーション構築のための別ライブラリ：

• グラフベースのワークフロー定義
• 耐久性のある状態管理
• Human-in-the-loop機能
• 複雑なエージェントオーケストレーション

LangSmith

LLMアプリケーションの可観測性プラットフォーム：

• トレーシングとデバッグ
• 評価とテスト
• 本番環境での監視
• データセット管理

1.4 LangChain v1.0：新機能

LangChainは2025年10月に最初の安定版（v1.0）をリリースしました。このマイルストーンで重要な変更がありました：

from langchain.agents import create_agent
from langchain_openai import ChatOpenAI

# ツールを定義（第3章で詳しく説明）
def search_web(query: str) -> str:
    """Webで情報を検索する。"""
    return f"検索結果: {query}"

# 新しいv1.0 APIでエージェントを作成
agent = create_agent(
    model=ChatOpenAI(model="gpt-4"),
    tools=[search_web],
    system_prompt="あなたは親切なリサーチアシスタントです。"
)

# エージェントを実行
result = agent.invoke({
    "messages": [
        {"role": "user", "content": "今日の天気は？"}
    ]
})
print(result)

1.5 LangChainのインストール

LangChainはモジュラーインストール方式を採用しています。必要なものだけをインストールしてください：

# コアLangChainパッケージ
pip install langchain

# プロバイダー固有のパッケージ（必要に応じてインストール）
pip install langchain-openai      # OpenAIモデル用
pip install langchain-anthropic   # Anthropic Claude用
pip install langchain-google-genai # Google Gemini用

# コミュニティ統合
pip install langchain-community

# インストール確認
python -c "import langchain; print(f'LangChain {langchain.__version__} installed!')"

APIキーの設定

ほとんどのLLMプロバイダーはAPIキーが必要です。環境変数として設定してください：

# Linux/macOS
export OPENAI_API_KEY="your-openai-key"
export ANTHROPIC_API_KEY="your-anthropic-key"

# Windows (PowerShell)
$env:OPENAI_API_KEY="your-openai-key"
$env:ANTHROPIC_API_KEY="your-anthropic-key"

1.6 最初のLangChainアプリケーション

すべてが動作することを確認するために、シンプルなチャットボットを構築しましょう：

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, SystemMessage

# モデルを初期化
llm = ChatOpenAI(
    model="gpt-4",
    temperature=0.7  # ランダム性を制御（0=決定論的、1=創造的）
)

# メッセージを作成
messages = [
    SystemMessage(content="あなたは物事を簡単に説明する親切なアシスタントです。"),
    HumanMessage(content="機械学習とは何ですか？")
]

# レスポンスを取得
response = llm.invoke(messages)
print(response.content)

演習

import langchain
from langchain_core.messages import HumanMessage

print(f"LangChain version: {langchain.__version__}")
print("インストール成功！")

まとめ

• LLMアプリケーションをゼロから構築するのは複雑でエラーが起きやすい
• LangChainはLLMアプリケーション開発のための統一フレームワークを提供
• エコシステムにはLangChain（コア）、LangGraph（オーケストレーション）、LangSmith（可観測性）が含まれる
• v1.0で新しいcreate_agent APIと簡素化されたアーキテクチャが導入された
• インストールはモジュラー：コア + プロバイダーパッケージを必要に応じてインストール