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.

LangGraph ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು: ವಿಶ್ವಾಸಾರ್ಹ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಒಂದು ಪ್ರಾಯೋಗಿಕ ಮಾರ್ಗದರ್ಶಿ

ನೀವು ಸರಳ ಸರಪಳಿಗಳು (chains) ಮತ್ತು ಪರಿಕರಗಳೊಂದಿಗೆ ಏಜೆಂಟಿಕ್ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪ್ರಯತ್ನಿಸಿದರೆ, ನೀವು ಮಿತಿಗಳನ್ನು ತಲುಪಿರುವ ಸಾಧ್ಯತೆಯಿದೆ - ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲದ ಲೂಪ್‌ಗಳು, ದುರ್ಬಲ ನಿಯಂತ್ರಣ ಹರಿವು ಮತ್ತು ದೋಷನಿವಾರಣೆ ಮಾಡಲು ಕಷ್ಟಕರವಾದ ಸ್ಥಿತಿ. LangGraph ನಿಮಗೆ ನಿರಂತರತೆ ಮತ್ತು ಗಾರ್ಡ್‌ರೈಲ್‌ಗಳೊಂದಿಗೆ ಏಜೆಂಟ್ ನಡವಳಿಕೆಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು, ನಿಯಂತ್ರಿಸಲು ಮತ್ತು ಟ್ರೇಸ್ ಮಾಡಲು ಗ್ರಾಫ್-ಸ್ಥಳೀಯ ಮಾರ್ಗವನ್ನು ನೀಡುವ ಮೂಲಕ ಅದನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ.

ಈ ಪ್ರಾಯೋಗಿಕ ಟ್ಯುಟೋರಿಯಲ್‌ನಲ್ಲಿ, LangGraph ಅನ್ನು ಶೂನ್ಯದಿಂದ ಉತ್ಪಾದನೆಗೆ ಸಿದ್ಧವಾಗುವವರೆಗೆ ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ನೀವು ಕಲಿಯುವಿರಿ: ಅದು ಏನು, ಗ್ರಾಫ್ ಮಾದರಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು Python ಅಥವಾ JavaScript ಅನ್ನು ಬಳಸಿಕೊಂಡು ನೈಜ ಏಜೆಂಟ್ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು - ಸಿಂಗಲ್-ಏಜೆಂಟ್ ಮತ್ತು ಮಲ್ಟಿ-ಏಜೆಂಟ್ - ಹೇಗೆ ನಿರ್ಮಿಸುವುದು, ಪರೀಕ್ಷಿಸುವುದು ಮತ್ತು ಪುನರಾವರ್ತಿಸುವುದು.

ಗಮನಿಸಬೇಕಾದ ಅಂಶ: ನೀವು AI ಸಹಾಯಕರೊಂದಿಗೆ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ರಚಿಸಿದರೆ, ಫ್ಲೋ ರೇಖಾಚಿತ್ರಗಳನ್ನು ತಯಾರಿಸಿದರೆ ಅಥವಾ ಕೋಡ್ ಅನ್ನು ಸಹ-ಸಂಪಾದಿಸಿದರೆ, Sider.AI ನಿಮ್ಮ ಬ್ರೌಸರ್‌ನಲ್ಲಿಯೇ ನಿಮ್ಮ LangGraph ಪುನರಾವರ್ತನೆಗಳನ್ನು (ಪ್ರಾಂಪ್ಟ್ ರಿಫೈನ್‌ಮೆಂಟ್, ಯುನಿಟ್ ಟೆಸ್ಟ್‌ಗಳು ಮತ್ತು ಡಾಕ್ ಲುಕಪ್‌ಗಳು) ವೇಗಗೊಳಿಸುತ್ತದೆ. ವಿವರಗಳಿಗಾಗಿ https://sider.ai/ ಅನ್ನು ನೋಡಿ.

LangGraph ಎಂದರೇನು - ಮತ್ತು ಅದನ್ನು ಏಕೆ ಬಳಸಬೇಕು?

LangGraph ಎನ್ನುವುದು ಸ್ಪಷ್ಟವಾದ ನಿಯಂತ್ರಣ ಹರಿವು, ನಿರಂತರ ಸ್ಥಿತಿ ಮತ್ತು ಈವೆಂಟ್-ಆಧಾರಿತ ಟ್ರೇಸಿಂಗ್‌ನೊಂದಿಗೆ ಏಜೆಂಟಿಕ್ ಮತ್ತು ಮಲ್ಟಿ-ಏಜೆಂಟ್ LLM ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಚೌಕಟ್ಟಾಗಿದೆ. ಇದು LangChain ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಭಾಗವಾಗಿದೆ ಆದರೆ ಪ್ರತ್ಯೇಕ ಪ್ಯಾಕೇಜ್ ಆಗಿ ನಿರ್ವಹಿಸಲ್ಪಡುತ್ತದೆ. ಡೆವಲಪರ್‌ಗಳು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ಎಡ್ಜ್‌ಗಳು, ಪುನರಾರಂಭಿಸಬಹುದಾದ ಚೆಕ್‌ಪಾಯಿಂಟ್‌ಗಳು ಮತ್ತು ಸಂಕೀರ್ಣ ಲೂಪ್‌ಗಳು ಮತ್ತು ಟೂಲ್ ಬಳಕೆಗೆ ಕ್ಲೀನ್ ಮೆಂಟಲ್ ಮಾಡೆಲ್‌ನಂತಹ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ ಏಜೆಂಟ್‌ಗಳನ್ನು ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹ ಮತ್ತು ನಿಯಂತ್ರಿಸಬಹುದಾದಂತೆ ಮಾಡಲು ಇದನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ.

ತಂಡಗಳು LangGraph ಅನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಲು ಪ್ರಮುಖ ಕಾರಣಗಳು:

ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ಗಾರ್ಡ್‌ರೈಲ್‌ಗಳು: ಏಜೆಂಟ್ ಯಾವಾಗ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು, ಸಹಾಯವನ್ನು ಕೇಳಬಹುದು ಅಥವಾ ಹಸ್ತಾಂತರಿಸಬಹುದು ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಿ.

ಪುನರಾರಂಭಿಸುವಿಕೆ: ಚೆಕ್‌ಪಾಯಿಂಟ್ ಸ್ಥಿತಿ, ವೈಫಲ್ಯಗಳಿಂದ ಚೇತರಿಸಿಕೊಳ್ಳಿ ಮತ್ತು ನೀವು ಎಲ್ಲಿ ಬಿಟ್ಟಿದ್ದೀರೋ ಅಲ್ಲಿಂದ ಮುಂದುವರಿಸಿ.

ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಮಾದರಿಗಳು: ತಜ್ಞರು, ಚರ್ಚೆ ಅಥವಾ ಮೇಲ್ವಿಚಾರಕ-ಕೆಲಸಗಾರರ ಹರಿವುಗಳನ್ನು ಸಂಯೋಜಿಸಿ.

- LangChain ಅಕಾಡೆಮಿಯಿಂದ LangGraph ಕೋರ್ಸ್‌ಗೆ ಉಚಿತ ಪರಿಚಯ.

- ಆರಂಭಿಕರಿಗಾಗಿ ಒಂದು ಸಂಪೂರ್ಣ ವೀಡಿಯೊ ಕೋರ್ಸ್, ಸಂಕೀರ್ಣ ಸಂವಾದಾತ್ಮಕ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.

ಪ್ರಮುಖ ಮಾನಸಿಕ ಮಾದರಿ: ನೋಡ್‌ಗಳು, ಎಡ್ಜ್‌ಗಳು ಮತ್ತು ಸ್ಥಿತಿ

## ಸಾರಾಂಶ: ಮೂಲಮಾದರಿಯಿಂದ ವಿಶ್ವಾಸಾರ್ಹ ಏಜೆಂಟ್‌ಗಳವರೆಗೆ

ನೋಡ್‌ಗಳು: ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಹಂತಗಳು (ಉದಾ., LLM ಅನ್ನು ಕರೆ ಮಾಡಿ, ಟೂಲ್ ಅನ್ನು ರನ್ ಮಾಡಿ, ಮತ್ತೊಂದು ಏಜೆಂಟ್‌ಗೆ ಮಾರ್ಗವನ್ನು ಬದಲಾಯಿಸಿ).

LangGraph ನಿಮಗೆ LLM ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಮೇಲೆ ಗ್ರಾಫ್-ಸ್ಥಳೀಯ ನಿಯಂತ್ರಣವನ್ನು ನೀಡುತ್ತದೆ: ಸ್ಪಷ್ಟ ಮಾರ್ಗಗಳು, ಪುನರಾರಂಭಿಸಬಹುದಾದ ಸ್ಥಿತಿ ಮತ್ತು ಗಮನಿಸಬಹುದಾದ ನಡವಳಿಕೆ. ಸಿಂಗಲ್-ಏಜೆಂಟ್ ಲೂಪ್‌ನೊಂದಿಗೆ ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭಿಸಿ, ನಂತರ ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಮೇಲ್ವಿಚಾರಕರು, ಪಾಲಿಸಿ ಗೇಟ್‌ಗಳು ಮತ್ತು ಮಾನವ ಪರಿಶೀಲನೆಗೆ ಪದವಿ ಪಡೆಯಿರಿ. ನೋಡ್‌ಗಳನ್ನು ಸರಳವಾಗಿಡಿ, ಸ್ಥಿತಿಯನ್ನು ಸ್ವಚ್ಛವಾಗಿಡಿ ಮತ್ತು ಮಾರ್ಗಗಳನ್ನು ನಿರ್ಣಾಯಕವಾಗಿಡಿ.

ಸ್ಥಿತಿ: ಟೈಪ್ ಮಾಡಿದ, ವಿಲೀನಗೊಳಿಸಬಹುದಾದ ವಸ್ತು (ಸಂದೇಶಗಳು, ಅಸ್ಥಿರಗಳು, ಟೂಲ್ ಫಲಿತಾಂಶಗಳು) ನೋಡ್‌ಗಳಾದ್ಯಂತ ಸಾಗಿಸಲ್ಪಡುತ್ತದೆ.

ಕ್ರಮಗಳು:

- ಕನಿಷ್ಠ ಸ್ಥಿತಿ ಮತ್ತು ಎರಡು ನೋಡ್‌ಗಳನ್ನು (`agent`, `tool`) ನಿರ್ಮಿಸಿ.

- ಸ್ಪಷ್ಟವಾದ `END` ಮಾರ್ಗದೊಂದಿಗೆ ರೂಟರ್ ಅನ್ನು ಸೇರಿಸಿ.

- ಹೆಚ್ಚಿಸುವ ಮೊದಲು ಚೆಕ್‌ಪಾಯಿಂಟ್‌ಗಳು ಮತ್ತು ಪರೀಕ್ಷೆಗಳನ್ನು ಪರಿಚಯಿಸಿ.

- ನೀವು ಬೆಳೆದಂತೆ ಪರಿಕರಗಳು ಮತ್ತು ತಜ್ಞ ಏಜೆಂಟ್‌ಗಳನ್ನು ಲೇಯರ್ ಮಾಡಿ.

Python:

ಈ ಅಡಿಪಾಯಗಳೊಂದಿಗೆ - ಮತ್ತು ಬಲವಾದ ಡೀಬಗ್ ಮಾಡುವ ಲೂಪ್‌ನೊಂದಿಗೆ - ಉತ್ಪಾದನೆಯಲ್ಲಿ ಸ್ಥಿರವಾಗಿ ವರ್ತಿಸುವ ಏಜೆಂಟ್ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ನೀವು ತಲುಪಿಸುತ್ತೀರಿ.

JavaScript/TypeScript:

### FAQ

Q1: LangGraph ಅನ್ನು ಯಾವುದಕ್ಕಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ?

LangGraph ಅನ್ನು ಸ್ಪಷ್ಟವಾದ ನಿಯಂತ್ರಣ ಹರಿವು, ನಿರಂತರ ಸ್ಥಿತಿ ಮತ್ತು ಚೆಕ್‌ಪಾಯಿಂಟ್‌ಗಳೊಂದಿಗೆ ವಿಶ್ವಾಸಾರ್ಹ ಏಜೆಂಟ್ ಮತ್ತು ಮಲ್ಟಿ-ಏಜೆಂಟ್ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ನಿರ್ಮಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಇದು ಲೂಪ್‌ಗಳು, ಪರಿಕರಗಳ ಬಳಕೆ, ಮಾನವ-ಸೇರಿದ ಹಂತಗಳು ಮತ್ತು ಸಂಕೀರ್ಣ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್‌ಗೆ ಸೂಕ್ತವಾಗಿದೆ.

ನಿಮ್ಮ ಮೊದಲ LangGraph: ಕನಿಷ್ಠ ಸಿಂಗಲ್-ಏಜೆಂಟ್ ಲೂಪ್ (Python)

Q2: LangGraph ಅನ್ನು ನಾನು ಹೇಗೆ ಸ್ಥಾಪಿಸುವುದು ಮತ್ತು ಹೊಂದಿಸುವುದು?

`pip install langgraph langchain` (Python) ಅಥವಾ `npm i @langchain/langgraph langchain` (JS/TS) ನೊಂದಿಗೆ ಸ್ಥಾಪಿಸಿ. ನಿಮ್ಮ LLM ಪೂರೈಕೆದಾರರನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಿ (ಉದಾ., `OPENAI_API_KEY`) ಮತ್ತು `State`, ನೋಡ್‌ಗಳು ಮತ್ತು ಷರತ್ತುಬದ್ಧ ಎಡ್ಜ್‌ಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಮೂಲಕ ಪ್ರಾರಂಭಿಸಿ.