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 pokušali da pravite agentne tokove rada koristeći obične lance i alate, verovatno ste naišli na ograničenja — nepouzdane petlje, lomljiv tok kontrole i teškoće u otklanjanju grešaka. LangGraph menja to tako što vam pruža 'graph-native' način za dizajn, kontrolu i praćenje ponašanja agenata sa postojanošću i zaštitnim ograničenjima.

U ovom praktičnom uputstvu naučićete kako da koristite LangGraph od nulte tačke do proizvodnje: šta je to, kako funkcioniše model grafa i kako da pravite, testirate i iterirate realne tokove rada agenata — jednog ili više agenata — koristeći Python ili JavaScript.

Važno je napomenuti: ako pravite nacrte promptova, dijagramišete tokove ili uređujete kod uz pomoć AI asistenta, Sider.AI može ubrzati vaše LangGraph iteracije (dotjerivanje promptova, jedinicni testovi i pretrage dokumenata) direktno u vašem pregledaču. Pogledajte https://sider.ai/ za detalje.

Šta je LangGraph — i zašto ga koristiti?

LangGraph je okvir za pravljenje agentnih i multi-agent LLM aplikacija sa eksplicitnim tokom kontrole, postojanim stanjem i praćenjem zasnovanim na događajima. Deo je LangChain ekosistema, ali se održava kao poseban paket. Programeri ga biraju kako bi agenti bili pouzdaniji i lakše kontrolisani, sa karakteristikama kao što su determinističke grane, nastavak rada sa checkpoint-ova i čist mentalni model za složene petlje i korišćenje alata.

Glavni razlozi zbog kojih timovi koriste LangGraph:

Pouzdanost i zaštitne ograde: precizno definišite kada agent može da deluje, traži pomoć ili preda zadatak.

Nastavljivost: sačuvajte stanje, oporavite se od grešaka i nastavite od tačke gde ste stali.

Multi-agent obrasci: sastavljanje specijalizovanih agenata, debate ili nadzorna i izvršna radna toka.

Posmatranje: tokovi događaja i snimci stanja omogućavaju lakše otklanjanje grešaka.

Ako preferirate strukturirano učenje, zvanični kurs Uvod u LangGraph je odlična polazna tačka. Postoji i kompletan video kurs za početnike koji prolazi kroz složene konverzacijske AI tokove rada.

Osnovni mentalni model: Čvorovi, Grane i Stanje

Zamislite LangGraph kao usmereni graf preko stanja vaše aplikacije.

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

Grane: logika usmeravanja koja određuje koji čvor se izvršava sledeći.

Stanje: tipizovan, spojiv objekat (poruke, promenljive, rezultati alata) koji se prenosi kroz čvorove.

Kanali: imenovani delovi stanja koje čvorovi mogu čitati ili menjati (npr. messages, context).

Checkpoint-i: postojani snimci stanja koji omogućavaju nastavak ili razgranavanje.

Čvor prima trenutno stanje, ažurira ga i vraća delimičnu korekciju. Grane biraju sledeći čvor na osnovu rezultujućeg stanja. Ovo čini petlje, ponavljanja i nadzor eksplicitnim, što je ključno za pouzdanost.

Instalacija i podešavanje

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

Python:

pip install -U langgraph langchain openai
# Neobavezno: praćenje, vektorske baze, alati, itd.

JavaScript/TypeScript:

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

Promenljive okruženja:

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

Vaš prvi LangGraph: Minimalna jednookagentna petlja (Python)

Ovaj primer pravi jednostavnog agenta koji rezonuje, koristi alate i odlučuje kada da stane.

from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) Definišite Stanje
action_token = "<act>" # jednostavan signal za korišćenje alata naspram konačnog odgovora
class State(TypedDict):
messages: List.
- Besplatan uvodni kurs za LangGraph iz LangChain Akademije.
- Kompletan video kurs za početnike, uključujući složene konverzacijske tokove.
## Zaključak: Od prototipa do pouzdanih agenata
LangGraph vam daje 'graph-native' kontrolu nad LLM aplikacijama: eksplicitne puteve, nastavljivo stanje i posmatrivo ponašanje. Počnite sa jednostavnom jednookagentnom petljom, a zatim pređite na multi-agent nadzorne sisteme, politika kapije i ljudski pregled. Držite čvorove jednostavnim, stanje urednim i puteve determinističkim.
Koraci za akciju:
- Postavite minimalno stanje i dva čvora (`agent`, `tool`).
- Dodajte usmerivač sa jasnim `END` putem.
- Uvedite checkpoint-e i testove pre skaliranja.
- Postepeno dodajte alate i specijalizovane agente kako rastete.
Sa ovim osnovama — i jakim ciklusom otklanjanja grešaka — isporučićete agentske sisteme koji se dosledno ponašaju u produkciji.
### Često postavljana pitanja
P1: Za šta se koristi LangGraph?
LangGraph se koristi za pravljenje pouzdanih agentnih i multi-agent tokova rada sa eksplicitnim tokom kontrole, postojanim stanjem i checkpoint-ovima. Idealan je za petlje, korišćenje alata, korake sa ljudskim učešćem i složenu orkestraciju.
P2: Kako da instaliram i podesim LangGraph?
Instalirajte komandom `pip install langgraph langchain` (Python) ili `npm i @langchain/langgraph langchain` (JS/TS). Konfigurišite svog LLM provajdera (npr. `OPENAI_API_KEY`) i počnite definisanjem `State`, čvorova i uslovnih grana.
P3: Da li je LangGraph drugačiji od LangChain?
Da. LangGraph je poseban paket fokusiran na orkestraciju zasnovanu na grafu i stanja koja se mogu nastaviti. Dopunjuje LangChain modele, alate i integracije dodajući determinističnost i pouzdanost.
P4: Mogu li da pravim multi-agent sisteme sa LangGraph-om?
Apsolutno. LangGraph podržava obrasce nadzor–izvršilac, debate ili komisijske agente, i politika kapija. Usmeravate između agenata preko uslovnih grana i održavate zajedničko ili segmentirano stanje.
P5: Kako da sprečim beskonačne petlje u LangGraph-u?
Definišite jasne uslove za završetak i uvek pružite `END` putanju u usmerivačima. Dodajte brojače petlji ili tajm-auta u stanje, čistite poruke i pišite jedinicne testove da biste proverili logiku usmeravanja.