What is LangGraph used for?

LangGraph is used to build reliable agent and multi-agent workflows with explicit control flow, persistent state, and checkpoints. It’s ideal for loops, tool use, human-in-the-loop steps, and complex orchestration.

How do I install and set up LangGraph?

Install with `pip install langgraph langchain` (Python) or `npm i @langchain/langgraph langchain` (JS/TS). Configure your LLM provider (e.g., `OPENAI_API_KEY`) and start by defining a `State`, nodes, and conditional edges.

Is LangGraph different from LangChain?

Yes. LangGraph is a separate package that focuses on graph-based orchestration and stateful, resumable workflows. It complements LangChain’s models, tools, and integrations, adding determinism and reliability.

Can I build multi-agent systems with LangGraph?

Absolutely. LangGraph supports supervisor–worker patterns, debate or committee agents, and policy gates. You route between agents via conditional edges and maintain shared or segmented state.

How do I prevent infinite loops in LangGraph?

Define clear termination conditions and always provide an `END` path in routers. Add loop counters or timeouts in state, prune messages, and write unit tests to verify routing logic.

كيفية استخدام LangGraph: دليل عملي لبناء وكلاء ذكاء اصطناعي موثوقين

إذا حاولت بناء سير عمل وكيل باستخدام سلاسل وأدوات بسيطة، فمن المحتمل أنك واجهت حدوداً — حلقات غير موثوقة، تدفق تحكم هش، وحالة يصعب تصحيحها. يُغير LangGraph ذلك من خلال توفير طريقة أصلية تعتمد على الرسم البياني لتصميم والتحكم وتتبع سلوك الوكيل مع الاستمرارية وآليات الحماية.

في هذا الدرس التطبيقي، ستتعلم كيفية استخدام LangGraph من البداية حتى جاهزيته للإنتاج: ما هو، كيف يعمل نموذج الرسم البياني، وكيف تبني وتختبر وتُكرر على سير عمل الوكلاء — سواء لوكيل منفرد أو عدة وكلاء — باستخدام Python أو JavaScript.

جدير بالذكر: إذا كنت تقوم بصياغة المطالبات، أو تخطيط التدفقات، أو تحرير الشيفرة برفقة مساعد ذكاء اصطناعي، يمكن لـ Sider.AI تسريع تكرارات LangGraph الخاصة بك (تحسين المطالبات، اختبارات الوحدات، والبحث في الوثائق) مباشرة من المتصفح. راجع https://sider.ai/ للمزيد من التفاصيل.

ما هو LangGraph ولماذا تستخدمه؟

LangGraph هو إطار عمل لبناء تطبيقات وكيل LLM فردية ومتعددة مع تدفق تحكم صريح، حالة دائمة، وتتبع يستند إلى الأحداث. هو جزء من منظومة LangChain لكنه يحظى بالصيانة كحزمة منفصلة. يختاره المطورون لجعل الوكلاء أكثر موثوقية وقابلية للتحكم، مع ميزات مثل الحواف الحتمية، نقاط التوقف القابلة للاستئناف، ونموذج ذهني واضح للحلقات المعقدة واستخدام الأدوات.

الأسباب الرئيسية لاعتماد الفرق على LangGraph:

الموثوقية وآليات الحماية: تحديد متى يمكن للوكيل أن يتصرف أو يطلب مساعدة أو يحيل المهمة بدقة.

قابلية الاستئناف: حفظ حالة نقاط التوقف، التعافي من الأعطال، والاستمرار من حيث توقفت.

أنماط الوكلاء المتعددين: تكوين متخصصين، مناقشات، أو تدفقات مشرف–عامل.

قابلية الملاحظة: تدفقات الأحداث ولقطات الحالة تجعل تصحيح الأخطاء أكثر وضوحاً.

إذا كنت تفضل التعلم المنظم، فإن دورة المقدمة الرسمية إلى LangGraph هي مكان قوي للبدء. وهناك أيضاً دورة فيديو شاملة للمبتدئين تشرح سير عمل ذكاء اصطناعي محادثي معقد.

النموذج الذهني الأساسي: العقد، الحواف، والحالة

فكر في LangGraph كرسم بياني موجه فوق حالة تطبيقك.

العقد: خطوات تنفيذية (مثل استدعاء LLM، تشغيل أداة، التوجيه لوكيل آخر).

الحواف: منطق التوجيه الذي يحدد أي عقدة تُنفذ لاحقاً.

الحالة: كائن مكتوب بأنواع، يمكن دمجه، يشمل الرسائل، المتغيرات، نتائج الأدوات وينتقل عبر العقد.

القنوات: أجزاء مسماة من الحالة يمكن للعقد قراءتها/كتابتها (مثل الرسائل، السياق).

نقاط التوقف: لقطات دائمة من الحالة تسمح لك بالإستئناف أو التفريع.

تستقبل العقدة الحالة الحالية، تحدثها، وتُرجع تصحيح جزئي. تختار الحواف العقدة التالية بناءً على الحالة الناتجة. هذا يجعل الحلقات، المحاولات، والإشراف صريحة، وهو أمر حاسم للموثوقية.

التثبيت والإعداد

يدعم LangGraph بايثون وJavaScript/TypeScript. اختر تقنيتك وثبته بجانب LangChain وعميل LLM المفضل لديك.

بايثون:

pip install -U langgraph langchain openai
# اختياري: تتبع، مخازن متجهات، أدوات، إلخ.

JavaScript/TypeScript:

pnpm add @langchain/langgraph langchain openai
# أو
npm install @langchain/langgraph langchain openai

متغيرات البيئة:

export OPENAI_API_KEY=sk-... # أو مزودك المختار

أول LangGraph لك: حلقة وكيل بسيطة للغاية (بايثون)

هذا المثال يبني وكيلاً بسيطاً يستنتج، يستخدم أدوات، ويقرر متى يتوقف.

from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) تعريف الحالة
action_token = "<act>" # إشارة بسيطة لاستخدام الأداة مقابل الإجابة النهائية
class State(TypedDict):
messages: List.
- دورة مقدمة مجانية إلى LangGraph من أكاديمية LangChain.
- دورة فيديو كاملة للمبتدئين تغطي سير العمل المحادثي المعقد.
## الخلاصة: من النموذج الأولي إلى وكلاء موثوقين
يمنحك LangGraph تحكماً أصلياً مرتكزاً على الرسم البياني في تطبيقات LLM: طرق صريحة، حالة قابلة للاستئناف، وسلوك قابل للملاحظة. ابدأ بحلقة وكيل واحدة بسيطة، ثم تطور إلى مشرفي وكلاء متعددين، بوابات سياسية، ومراجعة بشرية. اجعل العقد بسيطة، الحالة نظيفة، والطرق حتمية.
خطوات العمل:
- صمم حالة بسيطة وعقدتين (`agent`, `tool`).
- أضف موزعاً مع مسار `END` واضح.
- أدخل نقاط التوقف والاختبارات قبل التوسع.
- أضف الأدوات ووكلاء متخصصين مع تقدمك.
مع هذه الأساسيات —وحلقة تصحيح قوية— ستطلق أنظمة وكلاء تتصرف بثبات في الإنتاج.
### الأسئلة الشائعة
س1: ما هو استخدام LangGraph؟
يستخدم LangGraph لبناء سير عمل وكلاء ووكلاء متعددين موثوقين مع تدفق تحكم صريح، حالة دائمة، ونقاط توقف. مثالي للحلقات، استخدام الأدوات، خطوات بمشاركة بشرية، والتنسيق المعقد.
س2: كيف أثبت وأُعد LangGraph؟
ثبت بـ `pip install langgraph langchain` (بايثون) أو `npm i @langchain/langgraph langchain` (جافاسكريبت/تايبسكريبت). اضبط مزود LLM الخاص بك (مثلاً `OPENAI_API_KEY`) وابدأ بتعريف `State`، العقد، والحواف الشرطية.
س3: هل LangGraph مختلف عن LangChain؟
نعم. LangGraph هو حزمة منفصلة تركز على التنسيق المعتمد على الرسم البياني وسير العمل الحالة القابلة للاستئناف. يُكمل نماذج LangChain، الأدوات، والتكاملات، مضيفاً الحتمية والموثوقية.
س4: هل يمكنني بناء أنظمة وكلاء متعددة باستخدام LangGraph؟
بالطبع. يدعم LangGraph أنماط مشرف–عامل، وكلاء المناقشة أو اللجان، وبوابات السياسات. توجه بين الوكلاء عبر الحواف الشرطية وتحافظ على حالة مشتركة أو مقسمة.
س5: كيف أمنع الحلقات اللامتناهية في LangGraph؟
حدد شروط إنهاء واضحة ودوماً وفر مسار `END` في الموزعين. أضف عدادات حلقات أو مهلات زمنية في الحالة، قم بتقليم الرسائل، واكتب اختبارات وحدات للتحقق من منطق التوجيه.

كيفية استخدام LangGraph: دليل عملي لبناء وكلاء الذكاء الاصطناعي الموثوقين

كيفية استخدام LangGraph: دليل عملي لبناء وكلاء ذكاء اصطناعي موثوقين

ما هو LangGraph ولماذا تستخدمه؟

النموذج الذهني الأساسي: العقد، الحواف، والحالة

التثبيت والإعداد

أول LangGraph لك: حلقة وكيل بسيطة للغاية (بايثون)