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.

วิธีใช้ LangGraph: คู่มือปฏิบัติในการสร้างเอเย่นต์ AI ที่เชื่อถือได้

หากคุณเคยลองสร้างเวิร์กโฟลว์เอเย่นต์ด้วย chains และ tools ธรรมดา คุณอาจเจอข้อจำกัด เช่น ลูปที่ไม่เสถียร การควบคุมลำดับขั้นตอนที่บอบบาง และสถานะที่ยากต่อการดีบัก LangGraph เปลี่ยนแปลงสิ่งนี้ด้วยการให้คุณออกแบบ ควบคุม และติดตามพฤติกรรมเอเย่นต์ในรูปแบบกราฟที่มีความยั่งยืนและมีการป้องกัน

ในบทแนะนำเชิงปฏิบัตินี้ คุณจะได้เรียนรู้วิธีใช้ LangGraph ตั้งแต่เริ่มต้นจนพร้อมใช้งานจริง: คืออะไร, โมเดลกราฟทำงานอย่างไร และวิธีสร้าง ทดสอบ และปรับปรุงเวิร์กโฟลว์เอเย่นต์จริงๆ ทั้งแบบเอเย่นต์ตัวเดียวและหลายเอเย่นต์ โดยใช้ Python หรือ JavaScript

น่าสังเกตว่า หากคุณร่าง prompt, วาดแผนภาพเวิร์กโฟลว์ หรือร่วมแก้ไขโค้ดกับ AI assistant, Sider.AI สามารถช่วยเร่งกระบวนการปรับปรุง LangGraph ของคุณ (ปรับ prompt, ทดสอบหน่วย, ค้นหาเอกสาร) ได้ในเบราว์เซอร์ ดูรายละเอียดเพิ่มเติมที่ https://sider.ai/

LangGraph คืออะไร—และทำไมต้องใช้?

LangGraph คือเฟรมเวิร์กสำหรับสร้างแอปพลิเคชัน LLM ที่มีพฤติกรรมเอเย่นต์และหลายเอเย่นต์ พร้อมด้วยการควบคุมลำดับขั้นตอนที่ชัดเจน, สถานะที่เก็บถาวร และการติดตามเหตุการณ์แบบอิงเหตุการณ์ เป็นส่วนหนึ่งของระบบนิเวศ LangChain แต่ดูแลเป็นแพ็กเกจแยกต่างหาก นักพัฒนาจึงเลือกใช้เพื่อทำให้เอเย่นต์มีความเชื่อถือได้และควบคุมง่ายขึ้น ด้วยฟีเจอร์เช่น เส้นทางที่กำหนดผลลัพธ์ได้, เช็คพอยต์ที่เชื่อมต่อได้ใหม่, และโมเดลจิตใจที่ชัดเจนสำหรับลูปซับซ้อนและการใช้เครื่องมือ

เหตุผลสำคัญที่ทีมงานเลือกใช้ LangGraph:

ความน่าเชื่อถือและเกราะป้องกัน: กำหนดอย่างชัดเจนว่าเอเย่นต์จะทำงานเมื่อไหร่, ขอความช่วยเหลือ หรือส่งต่อหน้าที่

การเชื่อมต่อใหม่ได้: เก็บสถานะเช็คพอยต์, กู้คืนจากความผิดพลาด, และดำเนินการต่อจากจุดที่หยุดไว้

รูปแบบหลายเอเย่นต์: รวมผู้เชี่ยวชาญ, โต้แย้ง, หรือการทำงานแบบผู้ควบคุม–ผู้ปฏิบัติงาน

การสังเกต: สตรีมเหตุการณ์และสถานะสแนปชอตช่วยให้การดีบักง่ายขึ้น

หากคุณชอบการเรียนรู้แบบมีโครงสร้าง คอร์สแนะนำอย่างเป็นทางการ Introduction to LangGraph เป็นจุดเริ่มต้นที่ดี นอกจากนี้ยังมีวิดีโอคอร์สสำหรับผู้เริ่มต้นที่อธิบายเวิร์กโฟลว์ AI สนทนาที่ซับซ้อน

โมเดลจิตใจหลัก: โหนด, ขอบ, และสถานะ

คิดว่า LangGraph คือกราฟมีทิศทางที่ประมวลผลสถานะแอปพลิเคชันของคุณ

โหนด: ขั้นตอนที่สามารถปฏิบัติได้ (เช่น เรียกใช้ LLM, ใช้เครื่องมือ, เชื่อมต่อไปยังเอเย่นต์อื่น)

ขอบ: โลจิกการนำทางที่กำหนดว่าโหนดใดจะทำงานถัดไป

สถานะ: อ็อบเจ็กต์ที่มีชนิดข้อมูลและสามารถรวมกันได้ (ข้อความ, ตัวแปร, ผลลัพธ์จากเครื่องมือ) ที่ถูกส่งผ่านระหว่างโหนด

ช่องทาง: ส่วนของสถานะที่มีชื่อซึ่งโหนดสามารถอ่าน/เขียน เช่น messages, context

เช็คพอยต์: ภาพสแนปชอตสถานะที่เก็บถาวรซึ่งช่วยให้คุณเชื่อมต่อใหม่หรือแตกกิ่งออกได้

โหนดรับสถานะปัจจุบัน อัปเดต และส่งกลับเป็นแพทช์บางส่วน ขอบจะเลือกโหนดถัดไปตามสถานะที่ได้ ผลลัพธ์นี้ทำให้ลูป, การลองใหม่, และการควบคุมชัดเจน ซึ่งสำคัญต่อความน่าเชื่อถือ

การติดตั้งและตั้งค่า

LangGraph รองรับ Python และ JavaScript/TypeScript เลือกสแต็กของคุณและติดตั้งควบคู่กับ LangChain และไคลเอนต์ LLM ที่คุณชอบ

Python:

pip install -U langgraph langchain openai
# ตัวเลือกเสริม: tracing, vector stores, tools ฯลฯ

JavaScript/TypeScript:

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

ตัวแปรสิ่งแวดล้อม:

export OPENAI_API_KEY=sk-... # หรือผู้ให้บริการที่คุณเลือก

LangGraph แรกของคุณ: ลูปเอเย่นต์ตัวเดียวแบบง่าย (Python)

ตัวอย่างนี้สร้างเอเย่นต์ง่ายๆ ที่พิจารณา ใช้เครื่องมือ และตัดสินใจเมื่อจะหยุด

from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) กำหนด State
action_token = "<act>" # สัญญาณง่ายๆ สำหรับการใช้เครื่องมือเทียบกับคำตอบสุดท้าย
class State(TypedDict):
messages: List.
- คอร์สแนะนำฟรีเกี่ยวกับ LangGraph จาก LangChain Academy
- วิดีโอคอร์สครบถ้วนสำหรับผู้เริ่มต้น ที่ครอบคลุมเวิร์กโฟลว์ AI สนทนาที่ซับซ้อน
## สรุป: จากต้นแบบสู่เอเย่นต์ที่เชื่อถือได้
LangGraph มอบการควบคุมแอป LLM ในรูปแบบกราฟ: เส้นทางชัดเจน, สถานะเชื่อมต่อใหม่ได้, พฤติกรรมที่สังเกตได้ เริ่มจากลูปเอเย่นต์ตัวเดียวง่ายๆ แล้วค่อยขยายไปสู่ผู้ควบคุมหลายเอเย่นต์, ประตูนโยบาย, และการตรวจสอบโดยมนุษย์ รักษาโหนดให้เรียบง่าย, สถานะสะอาด, และเส้นทางที่กำหนดได้
ขั้นตอนการปฏิบัติ:
- สร้างสถานะขั้นต่ำพร้อมโหนดสองโหนด (`agent`, `tool`)
- เพิ่มตัวกำหนดเส้นทางที่มีเส้นทาง `END` ชัดเจน
- แนะนำเช็คพอยต์และการทดสอบก่อนขยายระบบ
- เพิ่มเครื่องมือและเอเย่นต์เฉพาะทางเมื่อเติบโตขึ้น
ด้วยรากฐานเหล่านี้และลูปดีบักที่แข็งแรง คุณจะปล่อยระบบเอเย่นต์ที่ทำงานได้สม่ำเสมอในสภาพแวดล้อมจริง
### คำถามที่พบบ่อย
Q1: LangGraph ใช้สำหรับอะไร?
LangGraph ใช้สร้างเวิร์กโฟลว์เอเย่นต์และหลายเอเย่นต์ที่เชื่อถือได้ มีการควบคุมลำดับ, สถานะถาวร และเช็คพอยต์ เหมาะสำหรับลูป, การใช้เครื่องมือ, ขั้นตอนที่มีมนุษย์ร่วม และการประสานงานที่ซับซ้อน
Q2: วิธีติดตั้งและตั้งค่า LangGraph?
ติดตั้งด้วย `pip install langgraph langchain` (Python) หรือ `npm i @langchain/langgraph langchain` (JS/TS) ตั้งค่าผู้ให้บริการ LLM ของคุณ (เช่น `OPENAI_API_KEY`) และเริ่มด้วยการกำหนด `State`, โหนด และขอบเงื่อนไข
Q3: LangGraph แตกต่างจาก LangChain อย่างไร?
ต่างกันครับ LangGraph คือแพ็กเกจแยกที่เน้นการประสานงานบนกราฟและเวิร์กโฟลว์ที่มีสถานะและเชื่อมต่อใหม่ได้ มันเสริม LangChain ที่มีโมเดล, เครื่องมือ และระบบบูรณาการ โดยเพิ่มความกำหนดผลและความน่าเชื่อถือ
Q4: ฉันสามารถสร้างระบบหลายเอเย่นต์ด้วย LangGraph ได้ไหม?
แน่นอนครับ LangGraph รองรับรูปแบบผู้ควบคุม–ผู้ปฏิบัติงาน, เอเย่นต์ถกเถียง หรือคณะกรรมการ และประตูนโยบาย คุณสามารถนำทางระหว่างเอเย่นต์ด้วยขอบเงื่อนไขและรักษาสถานะแบบแชร์หรือแยกส่วน
Q5: ป้องกันลูปลูปไม่สิ้นสุดใน LangGraph อย่างไร?
กำหนดเงื่อนไขการสิ้นสุดที่ชัดเจนและต้องมีเส้นทาง `END` ในตัวกำหนดเส้นทางเสมอ เพิ่มตัวนับลูปหรือหมดเวลาในสถานะ, ตัดข้อความเก่า และเขียนทดสอบหน่วยเพื่อตรวจสอบโลจิกการนำทาง

วิธีใช้งาน LangGraph: คู่มือเชิงปฏิบัติสำหรับการสร้างเอเจนต์ AI ที่น่าเชื่อถือ

วิธีใช้ LangGraph: คู่มือปฏิบัติในการสร้างเอเย่นต์ AI ที่เชื่อถือได้

LangGraph คืออะไร—และทำไมต้องใช้?

โมเดลจิตใจหลัก: โหนด, ขอบ, และสถานะ

การติดตั้งและตั้งค่า

LangGraph แรกของคุณ: ลูปเอเย่นต์ตัวเดียวแบบง่าย (Python)