LangChain入門：はじめてのAIエージェント構築

LangChainは本番環境でAIアプリケーションを構築するための最も人気なフレームワークです。

LangChainとは？

LangChainはLLMを使ったアプリケーション構築を簡素化するオープンソースのPython（およびJavaScript）フレームワークです。

解決する問題：

• 会話をまたいだAIのメモリ管理
• ドキュメントやデータベースとAIの接続
• ツール（Web検索、計算機、API）を持つエージェントの構築

インストール

pip install langchain langchain-openai langchain-community chromadb python-dotenv

最初のチェーン

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

model = ChatOpenAI(model="gpt-4o-mini", temperature=0)
prompt = ChatPromptTemplate.from_messages([
    ("system", "あなたは役立つAIアシスタントです。"),
    ("user", "{question}")
])

chain = prompt | model | StrOutputParser()
result = chain.invoke({"question": "LangChainとは何ですか？"})
print(result)

RAGシステム：ドキュメントからAIが回答

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from langchain_core.documents import Document
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

documents = [
    Document(page_content="LearnGeniは各$5のAIガイドを30種類提供しています。"),
    Document(page_content="ガイドにはLangChain、n8n、プロンプトエンジニアリングなどが含まれます。"),
]

embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(documents, embeddings)
retriever = vectorstore.as_retriever()

prompt = ChatPromptTemplate.from_template("""
コンテキストに基づいて回答してください：{context}
質問：{question}
""")

model = ChatOpenAI(model="gpt-4o-mini")
chain = ({"context": retriever, "question": RunnablePassthrough()} | prompt | model)
result = chain.invoke("LearnGeniのガイドはいくらですか？")
print(result.content)

メモリ付き会話

from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

memory = ConversationBufferMemory()
conversation = ConversationChain(
    llm=ChatOpenAI(model="gpt-4o-mini"),
    memory=memory,
    verbose=False
)

print(conversation.predict(input="こんにちは！私の名前は田中です。"))
print(conversation.predict(input="私の名前を覚えていますか？"))
# → 「はい、田中さんですね！」と返答

ツールを持つエージェント

from langchain.agents import create_openai_functions_agent, AgentExecutor
from langchain.tools import Tool
from langchain_openai import ChatOpenAI

def search_web(query: str) -> str:
    """Web検索を実行します"""
    # 実際の実装ではSerpAPIなどを使用
    return f"「{query}」の検索結果..."

tools = [
    Tool(
        name="web_search",
        func=search_web,
        description="最新情報を検索する必要があるときに使用"
    )
]

llm = ChatOpenAI(model="gpt-4o-mini")
agent = create_openai_functions_agent(llm, tools, prompt)
executor = AgentExecutor(agent=agent, tools=tools)

result = executor.invoke({"input": "今日の東京の天気は？"})

LangChainの主要コンポーネント

実践プロジェクト：カスタマーサポートボット

# 製品FAQデータベースを持つサポートボットの構築
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from langchain_core.prompts import ChatPromptTemplate

# 製品情報をベクトルストアに格納
faq_documents = [
    Document(page_content="返品は購入後30日以内に受け付けます。"),
    Document(page_content="送料は3,000円以上のご注文で無料です。"),
    Document(page_content="サポートは平日9時〜18時に対応しています。"),
]

vectorstore = Chroma.from_documents(faq_documents, OpenAIEmbeddings())

support_prompt = ChatPromptTemplate.from_template("""
あなたは丁寧なカスタマーサポート担当者です。
以下のFAQ情報を参考に回答してください：
{context}

お客様の質問：{question}
""")

chain = ({"context": vectorstore.as_retriever(), "question": RunnablePassthrough()}
         | support_prompt 
         | ChatOpenAI(model="gpt-4o-mini"))

print(chain.invoke("返品はできますか？").content)

LangChainを基礎から応用まで学びたい方へ。 LearnGeniの完全ガイドには実際のプロジェクトが含まれています。すべてのガイドを見る。