LangChain の Agent Protocol の概要
以下の記事が面白かったので、簡単にまとめました。
1. Agent Protocol
「LangGraph」はエージェントを構築する最良の方法ですが、他にも多くの方法があります。「LangGraph」を使用していない人の多くは独自の実装していますが、AutoGen、OpenAI の Assistant API、CrewAI、LlamaIndex などの他のフレームワークを使用している人もいます。
これは、多くのエージェントが異なるAPIを公開することを意味します。マルチエージェントの世界に移行すると、この統一性の欠如が問題を引き起こします。必要なのは通信だけですが、さまざまなAPIにより標準的な通信が困難になります。
これを変えるために、 エージェント通信の標準インターフェース「Agent Protocol」をオープンソース化しました 。「Agent Protocol」は、本番環境で LLMエージェントを提供するために必要なフレームワークに依存しないAPIをコード化する試みになります。
・Run : エージェントを実行するためのAPI
・Thred : エージェントの複数ターン実行を整理するためのAPI
・Store : 長期記憶を扱うためのAPI
「LangGraph」を使用しているか、別のフレームワークを使用しているか、フレームワークを使用していないかに関係なく、どのエージェント開発者でもこのプロトコルを実装できます。
2. LangGraph Studio のローカル実行
数ヶ月前、初のエージェントIDE「LangGraph Studio」をリリースしました。これを使用すると、「LangGraph」アプリケーションを視覚化、操作、デバッグができます。最初にこれを「LangGraph Cloud」の一部としてリリースした時すぐに、ローカルで実行した方がより価値があることに気付きました。これにより、グラフの途中で実行を一時停止し、基礎となるコードを変更し、タイトで低レイテンシのフィードバックループ内で再実行できるようになります。
「LangGraph Desktop」は革新的でしたが、使いやすさの問題が3つありました。
・Macでしか利用できない
・内部でDockerを使用している (リソースを大量に消費し、起動が遅い)
・別のDockerで実行される (ローカル環境ではなく、デバッグが困難)
本日、これらの問題を解決する「LangGraph Studio」をリリースしました。これはPythonパッケージとしてインストール可能で、バックエンドをローカルで実行します。これにより、すべてのプラットフォームで使用でき、Dockerは必要ありません。「LangGraph」アプリケーションは完全にローカルで実行され、データはサーバに送信されません。
以下のコマンドでインストールできます。
pip install "langgraph-cli[inmem]==0.1.55"次のように実行できます。
langgraph devインストールと使用方法について詳しくは、こちらを参照してください。Studioを使用して「LangGraph」アプリケーションを効果的にデバッグする方法については、こちらを参照してください。
ローカル実行されているサーバは「langgraph-cli」エージェントプロトコルを実装し、「LangGraph Studio」はエージェントプロトコルを実装しているすべてのサーバに接続します。
3. LangGraph で AutoGen ・ CrewAI ・ その他フレームワーク を統合
「LangGraph」は、エージェントおよびマルチエージェントアプリケーションを構築するためのフレームワークです。これには、他のエージェントフレームワークとの統合も含まれます。
「LangGraphを他のフレームワークと統合方法法を紹介する新しいガイド」をリリースしました。統合を紹介するフレームワークは「AutoGen」ですが、他のフレームワークでも簡単に統合できます。
これは他のエージェントを「LangGraph」ノード内にラップすることで機能します。「LangGraph」ノードは任意のコードであれば何でも構いません。これにより、「AutoGen」 (または CrewAI、LlamaIndex、その他フレームワーク) のエージェントを簡単に定義し、グラフ内で参照できます。これにより、サブエージェントの一部が実際には他のフレームワークで定義されているマルチエージェントシステムを作成できます。
4. LangGraph で AutoGen ・ CrewAI ・ その他フレームワーク をデプロイ
「LangGraph」は、エージェントを展開するためのインフラストラクチャを提供します。これは「LangGraph」とシームレスに統合されますが、他のフレームワークでも動作します。これを実現するには、エージェントを単一の 「LangGraph」ノードにラップし、それをグラフ全体にします。
そうすることで、「LangGraph」にデプロイできるようになり、多くのメリットが得られます。水平方向にスケーラブルなインフラストラクチャ、バースト操作を処理するタスクキュー、短期メモリを強化する永続性レイヤー、および長期メモリサポートが得られます。
この統合を行う方法については、こちらを参照してください。