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.

Jinsi ya Kutumia LangGraph: Mwongozo wa Vitendo wa Kujenga Mawakala wa AI Wanaoaminika

Ikiwa umejaribu kujenga mtiririko wa kazi wa mawakala kwa minyororo ya kawaida na zana, huenda umekutana na vikwazo—mizunguko isiyo ya kuaminika, mtiririko wa udhibiti nyepesi, na hali ngumu ya kutatua matatizo. LangGraph hubadilisha hilo kwa kukupa njia ya asili ya grafu ya kubuni, kudhibiti, na kufuatilia tabia ya wakala kwa uthabiti na kinga.

Katika mafunzo haya ya vitendo, utajifunza jinsi ya kutumia LangGraph kutoka sifuri hadi kuwa tayari kwa uzalishaji: ni nini, jinsi modeli ya grafu inavyofanya kazi, na jinsi ya kujenga, kujaribu, na kufanya marekebisho kwenye mitiririko halisi ya wakala—wa wakala mmoja na wengi—ukitumia Python au JavaScript.

Inafaa kutambua: ikiwa unaunda maelekezo, kuchora michoro ya mtiririko, au kuhariri msimbo kwa usaidizi wa AI, Sider.AI inaweza kuharakisha mzunguko wako wa LangGraph (kuboresha maelekezo, majaribio ya vitengo, na kutafuta hati) moja kwa moja katika kivinjari chako. Tazama https://sider.ai/ kwa maelezo.

LangGraph ni Nini—Na Kwa Nini Uitumie?

LangGraph ni mfumo wa kujenga programu za wakala mmoja au wengi wa LLM zenye mtiririko wa udhibiti wazi, hali endelevu, na ufuatiliaji wa matukio. Ni sehemu ya mazingira ya LangChain lakini hutunzwa kama kifurushi kingine. Waendelezaji huichagua kufanya mawakala wawe wa kuaminika zaidi na wa kudhibitiwa kwa vipengele kama vile mivuko ya uhakika, vidokezo vinavyoweza kuendelea, na mfano safi wa akili kwa mizunguko tata na matumizi ya zana.

Sababu kuu kwanini timu hutumia LangGraph:

Uaminifu na kinga: fafanua kwa usahihi ni lini wakala anaweza kuchukua hatua, kuuliza msaada, au kuhamisha kazi.

Kuweza kuendelea: weka vidokezo vya hali, rejesha kutoka kwa makosa, na uendelee hapo ulipoacha.

Mifumo ya wakala wengi: tengeneza maalum, mjadiliano, au mtiririko wa msimamizi-mfanyakazi.

Ufuatiliaji: mitiririko ya matukio na picha za hali hufanya utatuzi wa shida uwe rahisi.

Ikiwa unapendelea kujifunza kwa muundo, kozi rasmi ya Utangulizi wa LangGraph ni sehemu nzuri ya kuanza. Pia kuna kozi kamili ya video kwa wanaoanza, ikielezea mitiririko tata ya mazungumzo ya AI.

Mfumo wa Msingi wa Akili: Nodes, Mivuko, na Hali

Fikiria LangGraph kama grafu iliyoelekezwa juu ya hali ya programu yako.

Nodes: hatua zinazotekelezwa (mfano, piga LLM, tumia zana, elekeza kwa wakala mwingine).

Edges: mantiki ya kupeleka ambayo huamua node inayofanya kazi ijayo.

Hali: kitu kilichoainishwa, kinachoweza kuunganishwa (jumbe, vigezo, matokeo ya zana) kinabebwa kati ya nodes.

Channels: vipande vilivyopewa jina vya hali ambavyo nodes zinaweza kusoma/kuandika (mfano, messages, context).

Checkpoints: picha endelevu za hali zinazokuwezesha kuendelea au kugawanya njia.

Node hupokea hali ya sasa, huiboresha, na hurudisha sehemu ya mabadiliko. Mivuko huamua node inayofuata kulingana na hali inayotokea. Hii hufanya mizunguko, jaribio upya, na usimamizi kuwa wazi, jambo muhimu kwa uaminifu.

Ufungaji na Usanidi

LangGraph inaunga mkono Python na JavaScript/TypeScript. Chagua stack yako na usakinishe pamoja na LangChain na mteja wako wa LLM unaopendelea.

Python:

pip install -U langgraph langchain openai
# Hiari: ufuatiliaji, maduka ya vector, zana, nk.

JavaScript/TypeScript:

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

Mazingira ya mabadiliko:

export OPENAI_API_KEY=sk-... # au mtoa huduma uliyochagua

LangGraph Yako ya Kwanza: Mzunguko wa Wakala Mmoja wa Kiwango Kidogo (Python)

Mfano huu unajenga wakala rahisi anayefikiri, kutumia zana, na kuamua lini kusitisha.

from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) Definisha Hali
action_token = "<act>" # ishara rahisi kwa matumizi ya zana dhidi ya jibu la mwisho
class State(TypedDict):
messages: List.
- Kozi ya Utangulizi ya Bure kwa LangGraph kutoka LangChain Academy.
- Kozi kamili ya video kwa wanaoanza, ikijumuisha mitiririko tata ya mazungumzo.
## Hitimisho: Kutoka kwa Muundo hadi Mawakala Wanaoaminika
LangGraph inakupa udhibiti wa asili wa grafu juu ya programu za LLM: njia wazi, hali inayoweza kuendelea, na tabia inayofuatilika. Anza kwa mdogo na mzunguko wa wakala mmoja, kisha pitia hadi wasimamizi wa wakala wengi, milango ya sera, na uhakiki wa binadamu. Hifadhi nodes rahisi, hali safi, na njia za uhakika.
Hatua za kuchukua:
- Tengeneza hali ndogo na nodes mbili (`agent`, `tool`).
- Ongeza mtoza njia na njia wazi ya `END`.
- Leta vidokezo na majaribio kabla ya kupanua.
- Ongeza zana na mawakala maalum unavyoendelea kuendeleza.
Kwa misingi hii—na mzunguko imara wa utatuzi wa matatizo—utatoa mifumo ya wakala inayofanya kazi kwa uthabiti katika uzalishaji.
### Maswali Yanayoulizwa Mara kwa Mara (FAQ)
Q1: LangGraph hutumiwa kwa nini?
LangGraph hutumiwa kujenga mitiririko ya kazi ya wakala na wa wakala wengi yenye uaminifu na mtiririko wazi wa udhibiti, hali endelevu, na vidokezo. Ni bora kwa mizunguko, matumizi ya zana, hatua za binadamu kati ya mzunguko, na usimamizi tata.
Q2: Nitafungaje na kusanidi LangGraph?
Funga kwa `pip install langgraph langchain` (Python) au `npm i @langchain/langgraph langchain` (JS/TS). Sanidi mtoa huduma wako wa LLM (mfano, `OPENAI_API_KEY`) na anza kwa kufafanua `State`, nodes, na mivuko sharti.
Q3: LangGraph ni tofauti na LangChain?
Ndiyo. LangGraph ni kifurushi tofauti kinacholenga usimamizi wa grafu na mitiririko yenye hali endelevu na inayoweza kuendelea. Inasaidia modeli, zana, na muingiliano wa LangChain kwa kuongeza uhakika na uaminifu.
Q4: Nawezaje kujenga mifumo ya wakala wengi kwa LangGraph?
Bila shaka. LangGraph inaunga mkono mifumo ya msimamizi-mfanyakazi, wakala wa mjadala au kamati, na milango ya sera. Unaelekeza kati ya mawakala kupitia mivuko sharti na hifadhi hali zilizosambazwa au za sehemu.
Q5: Nitazuiaje mizunguko isiyoisha katika LangGraph?
Fafanua masharti ya kusitisha wazi na kila wakati toa njia ya `END` katika mtoza njia. Ongeza kidhibiti mizunguko au muda katika hali, fafanua jumbe, na andika majaribio ya vitengo kuthibitisha mantiki ya njia.