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.

Kako koristiti LangGraph: praktični vodič za izgradnju pouzdanih AI agenata

Ako ste pokušavali graditi agentne tokove rada s običnim lancima i alatima, vjerojatno ste naišli na ograničenja — nepouzdane petlje, krhke tokove kontrole i teško otklonjive greške. LangGraph to mijenja tako što vam pruža grafički nativan način za dizajn, kontrolu i praćenje ponašanja agenta s trajnošću i zaštitnim mehanizmima.

U ovom praktičnom vodiču naučit ćete kako koristiti LangGraph od početka do produkcijski spremnog rješenja: što je, kako model grafa funkcionira i kako izgraditi, testirati i iterirati stvarne tokove rada — za jednog i više agenata — koristeći Python ili JavaScript.

Vrijedi napomenuti: ako sastavljate promptove, dijagramirate protoke ili suurednički uređujete kod s AI asistentom, Sider.AI može ubrzati vaše LangGraph iteracije (poboljšanje prompta, jedinični testovi i pretraživanje dokumentacije) direktno u pregledniku. Pogledajte https://sider.ai/ za detalje.

Što je LangGraph i zašto ga koristiti?

LangGraph je okvir za izgradnju agentnih i multi-agentnih LLM aplikacija s eksplicitnim tokovima kontrole, trajnim stanjem i event-baziranim praćenjem. Dio je LangChain ekosustava, ali se održava kao zaseban paket. Programeri ga odabiru kako bi agenti bili pouzdaniji i upravljiviji, s funkcijama poput determinističkih veza, nastavka s točaka provjere i jasnog mentalnog modela za složene petlje i korištenje alata.

Glavni razlozi zbog kojih timovi koriste LangGraph:

Pouzdanost i zaštitni mehanizmi: definirajte točno kada agent može djelovati, zatražiti pomoć ili predati zadatak.

Nastavljivost: pohrana stanja, oporavak od grešaka i nastavak tamo gdje ste stali.

Multi-agentni obrasci: sastavljanje specijalista, rasprave ili nadzorno-radnički modeli.

Promatljivost: tokovi događaja i snimke stanja olakšavaju otklanjanje grešaka.

Ako više volite strukturirano učenje, službeni tečaj Uvod u LangGraph je odličan početak. Također postoji kompletan video tečaj za početnike koji prolazi kroz složene konverzacijske AI tokove rada.

Osnovni mentalni model: Čvorovi, veze i stanje

Zamislite LangGraph kao usmjereni graf nad stanjem vaše aplikacije.

Čvorovi: izvršni koraci (npr. poziv LLM-a, pokretanje alata, usmjeravanje drugom agentu).

Veze: logika usmjeravanja koja određuje koji čvor se izvršava sljedeći.

Stanje: tipizirani, spajajući objekt (poruke, varijable, rezultati alata) koji se prenosi između čvorova.

Kanali: imenovani dijelovi stanja koje čvorovi mogu čitati/pisati (npr. messages, context).

Točke provjere: trajne snimke stanja koje omogućuju nastavak ili grananje.

Čvor prima trenutno stanje, ažurira ga i vraća djelomični zapis. Veze biraju sljedeći čvor prema rezultirajućem stanju. Ovo čini petlje, ponavljanja i nadzor eksplicitnim, što je ključno za pouzdanost.

Instalacija i postavljanje

LangGraph podržava Python i JavaScript/TypeScript. Izaberite svoj stack i instalirajte uz LangChain i omiljeni LLM klijent.

Python:

pip install -U langgraph langchain openai
# Neobavezno: praćenje, vektorski spremnici, alati itd.

JavaScript/TypeScript:

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

Varijable okruženja:

export OPENAI_API_KEY=sk-... # ili vaš odabrani davatelj

Vaš prvi LangGraph: minimalna petlja s jednim agentom (Python)

Ovaj primjer gradi jednostavnog agenta koji rasuđuje, koristi alate i odlučuje kada stati.

from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) Definirajte stanje
action_token = "<act>" # jednostavni signal za korištenje alata ili konačan odgovor
class State(TypedDict):
messages: List.
- Besplatni uvodni tečaj LangGraph iz LangChain Academy.
- Potpuni video tečaj za početnike koji pokriva složene konverzacijske tokove rada.
## Zaključak: od prototipa do pouzdanih agenata
LangGraph vam daje grafički nativnu kontrolu nad LLM aplikacijama: eksplicitne rute, nastavljiva stanja i promatrivo ponašanje. Počnite s malom petljom s jednim agentom, a zatim prijeđite na nadzorne multi-agentne sustave, sigurnosne politike i ljudsku provjeru. Održavajte čvorove jednostavnima, stanje urednim i rute determinističkima.
Sljedeći koraci:
- Postavite minimalno stanje i dva čvora (`agent`, `tool`).
- Dodajte usmjerivač s jasnim `END` putem.
- Uvedite točke provjere i testove prije skaliranja.
- Postepeno dodajte alate i specijalizirane agente kako rastete.
S ovim osnovama — i snažnim petljama za otklanjanje grešaka — isporučivat ćete agente koji se dosljedno ponašaju u produkciji.
### Često postavljana pitanja (FAQ)
P1: Za što se koristi LangGraph?
LangGraph se koristi za izgradnju pouzdanih tokova rada s agentima i multi-agentima s eksplicitnim tokovima kontrole, trajnim stanjem i točkama provjere. Idealno je za petlje, korištenje alata, ljudski nadzor i složenu orkestraciju.
P2: Kako instalirati i postaviti LangGraph?
Instalirajte s `pip install langgraph langchain` (Python) ili `npm i @langchain/langgraph langchain` (JS/TS). Konfigurirajte svog LLM pružatelja (npr. `OPENAI_API_KEY`) i započnite definiranjem `State`, čvorova i uvjetnih veza.
P3: Je li LangGraph različit od LangChain?
Da. LangGraph je zaseban paket fokusiran na grafičku orkestraciju i tokenizirane, nastavive tokove rada. Nadopunjuje LangChain modele, alate i integracije, dodajući determiniranost i pouzdanost.
P4: Mogu li graditi multi-agentne sustave s LangGraphom?
Apsolutno. LangGraph podržava nadzorno-radničke obrasce, agente za rasprave ili odbore i sigurnosne politike. Usmjeravate između agenata uvjetnim vezama i održavate zajedničko ili segmentirano stanje.
P5: Kako spriječiti beskonačne petlje u LangGraphu?
Definirajte jasne uvjete završetka i uvijek osigurajte `END` put u usmjerivačima. Dodajte brojače petlji ili vremenska ograničenja u stanje, ograničavajte poruke i pišite jedinične testove za provjeru logike usmjeravanja.

Kako koristiti LangGraph: Praktični vodič za izgradnju pouzdanih AI agenata

Kako koristiti LangGraph: praktični vodič za izgradnju pouzdanih AI agenata

Što je LangGraph i zašto ga koristiti?

Osnovni mentalni model: Čvorovi, veze i stanje

Instalacija i postavljanje

Vaš prvi LangGraph: minimalna petlja s jednim agentom (Python)