langchain

LangChain エキスパートスキル

LangChain は、LLM を活用したアプリケーションを構築するための MIT ライセンスの Python フレームワークです。v1.0（2025 年 10 月）以降、レイヤー化されたアーキテクチャを提供しています。LCEL（LangChain Expression Language）による高レベルなチェーン構成、create_agent（内部では LangGraph ランタイム上で実行）によるエージェントの作成、LangSmith による本番環境のオブザーバビリティを備えています。1000 以上のインテグレーションと 100K 以上の GitHub スターを獲得し、最も広く採用されている LLM オーケストレーションフレームワークです。

v1.0 の主な変更点： 新しい LangChain エージェントはすべて LangGraph ランタイム上で実行されます。AgentExecutor は 2026 年 12 月までメンテナンスモードです。新しいエージェントには create_agent を使用してください。ステートマシンを完全に制御する必要がある場合は、LangGraph を直接使用してください。

⚠️ 重要：新しいコードでは AgentExecutor を使用しないでください。 2026 年 12 月までメンテナンスモードです。代わりに create_agent(model, tools, prompt) を使用してください。ストリーミング、永続化、オブザーバビリティを標準で備えた LangGraph ステートマシンが生成されます。

基本原則

LangChain を使って構築する際のあらゆる判断は、以下の原則に基づいて行います。リファレンスガイドに進む前にお読みください。

1. LCEL は構成の基本要素です。 パイプ演算子（|）で Runnable を連結します。プロンプト、モデル、パーサー、リトリーバーなど、すべてのコンポーネントが Runnable インターフェースを実装しています。すべてを LCEL で構築してください。
2. エージェントは LangGraph 上で実行されます。 v1.0 以降、create_agent は内部で LangGraph ステートマシンを生成します。グラフのコードを書かなくても、ストリーミング、永続化、オブザーバビリティを利用できます。分岐、ループ、または人間を介した処理が必要な場合は、LangGraph を直接使用してください。
3. RAG はフレームワークではなくチェーンです。 retriever | prompt | model | parser が標準的な RAG パターンです。ドキュメントローダー、スプリッター、ベクトルストアはすべて、互換性のあるコンポーネントです。
4. LangSmith は本番環境のオブザーバビリティを提供します。 起動時にトレーシングを有効にしてください。本番環境のチームの 89% がオブザーバビリティを利用しています。これがなければ、エージェントの動作のデバッグは当てずっぽうになります。
5. エコシステムが最大の強みです。 1000 以上のインテグレーションにより、モデルプロバイダー、ベクトルストア、ツールを 1 行で切り替えられます。実装ではなく、インターフェースを基準に構築してください。

どこから始めるか

すでにあるもの...	ここから始める
何もない — 空のプロジェクト	LangChain をインストールし、基本的な LCEL チェーンを構築する
検索したいドキュメント	RAG チェーンを構築する（読み込み、分割、埋め込み、検索、生成）
エージェント的な動作が必要	ツールとともに create_agent を使用する
既存の AgentExecutor コード	create_agent に移行する — references/agent-patterns.md を参照
本番環境へのデプロイ	LangSmith トレーシングと LangServe デプロイを追加する
フレームワークを比較中	フレームワーク選択ガイドを参照

パイプラインモード

モード	使用する場面	実行するフェーズ	省略するもの
クイック	単一のチェーン、試行	prompt → model → parser	検索、エージェント、本番環境向けの強化
RAG	ドキュメントの Q&A	load → split → embed → retrieve → generate	エージェントのオーケストレーション、デプロイ
エージェント	ツールを使用するエージェント	create_agent + tools + LangGraph ランタイム	シンプルなチェーンで十分な場合
本番環境	ユーザー向けのリリース	RAG/Agent + LangSmith + LangServe	なし

クイックリファレンス

タスク	アプローチ	リファレンス
基本的なチェーン	prompt | model | parser	references/lcel-reference.md
RAG パイプライン	retriever | prompt | model | parser	references/rag-strategies.md
エージェントの作成	create_agent(model, tools, prompt)	references/agent-patterns.md
ツールの定義	@tool デコレーター	references/agent-patterns.md
マルチエージェント	LangGraph のスーパーバイザーパターン	references/agent-patterns.md
オブザーバビリティ	LANGCHAIN_TRACING_V2=true を設定	references/production-deployment.md
デプロイ	LangServe または LangSmith Deployment	references/production-deployment.md
ベクトルストア	1 行で切り替え（Chroma、Pinecone、pgvector）	references/integration-ecosystem.md

このスキルを使用するタイミング

次のいずれかを行う際は、このスキルを読み込んでください。

• LLM を活用したアプリケーション向けに LCEL チェーンを構築する
• エンタープライズデータまたは個人データを対象とする RAG パイプラインを実装する
• ツール呼び出しと複数ステップの推論を行うエージェントを作成する
• 可観測性を備えた LLM アプリケーションを本番環境にデプロイする
• LangChain を LlamaIndex、Haystack、または生の API 呼び出しと比較する

フレームワーク選択ガイド

このスキルは、複数のフレームワークスキルの一部です。どれが適しているかを判断する際は、次を参考にしてください。

シナリオ	選択肢	理由
チェーンを組み合わせたい	LangChain	LCEL はパイプベースの合成モデルとして最もすっきりしています
クエリ対象のドキュメントがある	LlamaIndex	データの取り込みと検索が第一級のプリミティブです
エージェントをオーケストレーションしたい	LangGraph	ステートマシンのセマンティクス、サブグラフ、ヒューマン・イン・ザ・ループに対応します
ツールをエージェントとしてラップしたい	PydanticAI	依存性注入を備えた型安全なエージェント定義を利用できます
検索パイプラインが必要	Haystack	検索ワークロード向けのパイプラインモデルがより成熟しています
あらゆる種類の高速なプロトタイプを作りたい	LangChain	ゼロから動作するチェーンまでの最短経路です
エージェントのワークフロー内で、型付きの範囲が限定された判断が必要	System One	System One は質問／モデルの振る舞いとキャリブレーションを担います。実装の接続点には LangChain ミドルウェアまたは外側の条件付きオーケストレーションを使用し、配置とタスク全体の成果については harness-engineering を参照してください

リファレンスファイル

リファレンス	読み込むタイミング	ファイル
LCEL リファレンス	パイプ演算子でチェーンを構築する場合	references/lcel-reference.md
アーキテクチャ	パッケージ構造、Runnable、v1.0 を理解する場合	references/architecture.md
RAG 戦略	RAG パイプラインを構築する場合	references/rag-strategies.md
エージェントパターン	ツールを使うエージェントやマルチエージェントを作成する場合	references/agent-patterns.md
エージェント内の型付き System One 判断	アダプターの接続点、不明時の経路、モデルのセマンティクスとハーネスの成果の間の引き継ぎを決める場合	references/agent-patterns.md — 「チャットモデルの外部に型付き判断を配置する」を参照してください。配置とタスク全体のエビデンスについては、harness-engineering も参照してください
本番環境とデプロイ	LangServe、LangSmith、デプロイについて確認する場合	references/production-deployment.md
統合エコシステム	モデルプロバイダー、ベクトルストア、ツールについて確認する場合	references/integration-ecosystem.md
FAQ とトラブルシューティング	よくあるエラーと解決方法を確認する場合	references/faq-and-troubleshooting.md
コールバックシステム	カスタムロギング、監視、エージェントの監査について確認する場合	references/callbacks.md
検証監査	すべての API に関する主張の検証調査を確認する場合	references/validation-audit.md

テンプレートファイル

テンプレート	使用するタイミング	ファイル
基本的なチェーン	単一の prompt→model→parser チェーン	templates/basic-chain.py
RAG パイプライン	検索を使ったドキュメントの Q&A	templates/rag-pipeline.py
ツールを使うエージェント	LangGraph ランタイムを使うツール利用エージェント	templates/agent-with-tools.py
本番環境へのデプロイ	LangSmith を使った LangServe のデプロイ	templates/production-deploy.py

スクリプト

スクリプト	用途	ファイル
check-setup	LangChain のインストールを確認する	scripts/check-setup.py

トラブルシューティングガイド

症状	考えられる原因	解決方法	参照先
チェーンが何も返さない	出力パーサーが接続されていない	.pipe(StrOutputParser()) または同等の処理を追加します	references/lcel-reference.md
エージェントがツールを呼び出さない	ツールのスキーマが一致していない	ツールに docstring と型ヒントがあることを確認します	references/agent-patterns.md
LangSmith のトレースが表示されない	LANGCHAIN_TRACING_V2 が設定されていない	チェーンを実行する前に環境変数を設定します	references/production-deployment.md
非推奨の警告が表示される	AgentExecutor を使用している	create_agent（LangGraph ランタイム）に移行します	references/agent-patterns.md
モデルが見つからない	インテグレーションパッケージが不足している	langchain-openai、langchain-anthropic などをインストールします	references/integration-ecosystem.md
ストリーミングが機能しない	LCEL チェーンがストリーミングにネイティブ対応していない	すべてのコンポーネントが stream() を実装していることを確認します	references/lcel-reference.md
ベクトルストアへの接続に失敗する	認証情報が誤っている、またはパッケージが不足している	langchain-community とプロバイダーパッケージをインストールします	references/integration-ecosystem.md

LangChain を使用しないケース

• 単一モデル、単一プロンプトのアプリケーション — 生の API 呼び出しのほうがシンプルでデバッグしやすいです
• 最大限の透明性が必要 — LangChain が内部で使用する LangGraph のほうが、可視性に優れています
• 純粋なマルチエージェント状態機械 — 高レベル API ではなく、LangGraph を直接使用するのが適切なツールです
• LLM のオーケストレーションを必要としないステートレスなマイクロサービス — LangChain はメリットがないままオーバーヘッドを増やします