langchain-middleware

本番環境の LangChain エージェント向けミドルウェアパターン：

• HumanInTheLoopMiddleware / humanInTheLoopMiddleware：危険なツール呼び出しの前に処理を一時停止し、人間の承認を得ます
• カスタムミドルウェア：ツール呼び出しをインターセプトして、エラー処理、ログ記録、再試行ロジックを実装します
• Command による再開：人間の判断（承認、編集、拒否）の後に実行を続けます

要件： すべての HITL ワークフローで、チェックポインターと thread_id の設定が必要です。

---

Human-in-the-Loop

承認のためにメール送信前に一時停止する HITL ミドルウェアを使って、エージェントをセットアップします。

from langchain.agents import create_agent
from langchain.agents.middleware import HumanInTheLoopMiddleware
from langgraph.checkpoint.memory import MemorySaver
from langchain.tools import tool

@tool
def send_email(to: str, subject: str, body: str) -> str:
    """Send an email."""
    return f"Email sent to {to}"

agent = create_agent(
    model="gpt-4.1",
    tools=[send_email],
    checkpointer=MemorySaver(),  # Required for HITL
    middleware=[
        HumanInTheLoopMiddleware(
            interrupt_on={
                "send_email": {"allowed_decisions": ["approve", "edit", "reject"]},
            }
        )
    ],
)

人間の承認を得るためにメール送信前に一時停止する HITL を使って、エージェントをセットアップします。

import { createAgent, humanInTheLoopMiddleware } from "langchain";
import { MemorySaver } from "@langchain/langgraph";
import { tool } from "@langchain/core/tools";
import { z } from "zod";

const sendEmail = tool(
  async ({ to, subject, body }) => `Email sent to ${to}`,
  {
    name: "send_email",
    description: "Send an email",
    schema: z.object({ to: z.string(), subject: z.string(), body: z.string() }),
  }
);

const agent = createAgent({
  model: "anthropic:claude-sonnet-4-5",
  tools: [sendEmail],
  checkpointer: new MemorySaver(),
  middleware: [
    humanInTheLoopMiddleware({
      interruptOn: { send_email: { allowedDecisions: ["approve", "edit", "reject"] } },
    }),
  ],
});

エージェントを実行し、中断を検出してから、人間の承認後に実行を再開します。

from langgraph.types import Command

config = {"configurable": {"thread_id": "session-1"}}

# Step 1: Agent runs until it needs to call tool
result1 = agent.invoke({
    "messages": [{"role": "user", "content": "Send email to [email protected]"}]
}, config=config)

# Check for interrupt
if "__interrupt__" in result1:
    print(f"Waiting for approval: {result1['__interrupt__']}")

# Step 2: Human approves
result2 = agent.invoke(
    Command(resume={"decisions": [{"type": "approve"}]}),
    config=config
)

エージェントを実行し、中断を検出してから、人間の承認後に実行を再開します。

import { Command } from "@langchain/langgraph";

const config = { configurable: { thread_id: "session-1" } };

// Step 1: Agent runs until it needs to call tool
const result1 = await agent.invoke({
  messages: [{ role: "user", content: "Send email to [email protected]" }]
}, config);

// Check for interrupt
if (result1.__interrupt__) {
  console.log(`Waiting for approval: ${result1.__interrupt__}`);
}

// Step 2: Human approves
const result2 = await agent.invoke(
  new Command({ resume: { decisions: [{ type: "approve" }] } }),
  config
);

元の値を修正する必要がある場合は、承認前にツールの引数を編集します。

# Human edits the arguments — edited_action must include name + args
result2 = agent.invoke(
    Command(resume={
        "decisions": [{
            "type": "edit",
            "edited_action": {
                "name": "send_email",
                "args": {
                    "to": "[email protected]",  # Fixed email
                    "subject": "Project Meeting - Updated",
                    "body": "...",
                },
            },
        }]
    }),
    config=config
)

元の値を修正する必要がある場合は、承認前にツールの引数を編集します。

// Human edits the arguments — editedAction must include name + args
const result2 = await agent.invoke(
  new Command({
    resume: {
      decisions: [{
        type: "edit",
        editedAction: {
          name: "send_email",
          args: {
            to: "[email protected]",  // Fixed email
            subject: "Project Meeting - Updated",
            body: "...",
          },
        },
      }]
    }
  }),
  config
);

ツール呼び出しを拒否し、その理由を説明するフィードバックを提供します。

# Human rejects
result2 = agent.invoke(
    Command(resume={
        "decisions": [{
            "type": "reject",
            "feedback": "Cannot delete customer data without manager approval",
        }]
    }),
    config=config
)

リスクレベルに応じて、各ツールに異なる HITL ポリシーを設定します。

agent = create_agent(
    model="gpt-4.1",
    tools=[send_email, read_email, delete_email],
    checkpointer=MemorySaver(),
    middleware=[
        HumanInTheLoopMiddleware(
            interrupt_on={
                "send_email": {"allowed_decisions": ["approve", "edit", "reject"]},
                "delete_email": {"allowed_decisions": ["approve", "reject"]},  # No edit
                "read_email": False,  # No HITL for reading
            }
        )
    ],
)

### 設定できる項目

• 承認が必要なツール（ツールごとのポリシー）
• ツールごとに許可する判断（承認、編集、拒否）
• カスタムミドルウェアフック：before_model、after_model、wrap_tool_call、before_agent、after_agent
• ツール固有のミドルウェア（特定のツールにのみ適用）

---

カスタムミドルウェアフック

6 つのデコレーターフックが利用できます。パターンは 2 つあります。

• ラップフック（wrap_tool_call、wrap_model_call）：(request, handler) — handler(request) を呼び出すと処理が続行され、早期に値を返すと短絡します。
• 前後のフック（before_model、after_model、before_agent、after_agent）：(state, runtime) — 状態を調査または変更します。None または状態の更新を含む dict を返します。

`@wrap_tool_call` はツールの実行をインターセプトします。**`yield` は使わないでください**。ジェネレーターが作成され、`NotImplementedError` が発生します。

from langchain.agents.middleware import wrap_tool_call

@wrap_tool_call
def retry_middleware(request, handler):
    for attempt in range(3):
        try:
            return handler(request)
        except Exception:
            if attempt == 2:
                raise

@wrap_tool_call
def guard_middleware(request, handler):
    if request.tool_call["name"] == "dangerous_tool":
        return "This tool is disabled"  # short-circuit
    return handler(request)

`createMiddleware({ wrapToolCall })` はツールの実行をインターセプトします。

import { createMiddleware } from "langchain";

const retryMiddleware = createMiddleware({
  wrapToolCall: async (request, handler) => {
    for (let attempt = 0; attempt < 3; attempt++) {
      try { return await handler(request); }
      catch (e) { if (attempt === 2) throw e; }
    }
  },
});

`before_model` / `after_model` / `before_agent` / `after_agent` はすべて、`(state, runtime)` のシグネチャを共有します。

from langchain.agents.middleware import before_model, after_model

@before_model
def log_calls(state, runtime):
    print(f"Calling model with {len(state['messages'])} messages")

@after_model
def check_output(state, runtime):
    print(f"Model responded")

`createMiddleware` を介して、すべての前後のフックで同じ `(state, runtime)` のシグネチャを共有します。

import { createMiddleware } from "langchain";

const loggingMiddleware = createMiddleware({
  beforeModel: (state, runtime) => {
    console.log(`Calling model with ${state.messages.length} messages`);
  },
  afterModel: (state, runtime) => {
    console.log("Model responded");
  },
});

### 設定できない項目

• ツール実行後の割り込み（実行前に行う必要があります）
• HITL に必要なチェックポインターの要件の省略

HITL ミドルウェアでは、状態を永続化するためにチェックポインターが必要です。

# WRONG
agent = create_agent(model="gpt-4.1", tools=[send_email], middleware=[HumanInTheLoopMiddleware({...})])

# CORRECT
agent = create_agent(
    model="gpt-4.1", tools=[send_email],
    checkpointer=MemorySaver(),  # Required
    middleware=[HumanInTheLoopMiddleware({...})]
)

HITL では、状態を永続化するためにチェックポインターが必要です。

// WRONG: No checkpointer
const agent = createAgent({
  model: "anthropic:claude-sonnet-4-5", tools: [sendEmail],
  middleware: [humanInTheLoopMiddleware({ interruptOn: { send_email: true } })],
});

// CORRECT: Add checkpointer
const agent = createAgent({
  model: "anthropic:claude-sonnet-4-5", tools: [sendEmail],
  checkpointer: new MemorySaver(),
  middleware: [humanInTheLoopMiddleware({ interruptOn: { send_email: true } })],
});

HITL を使う場合は、会話状態を追跡するために必ず `thread_id` を指定してください。

# WRONG
agent.invoke(input)  # No config!

# CORRECT
agent.invoke(input, config={"configurable": {"thread_id": "user-123"}})

中断後に実行を再開するには、Command クラスを使います。

# WRONG
agent.invoke({"resume": {"decisions": [...]}})

# CORRECT
from langgraph.types import Command
agent.invoke(Command(resume={"decisions": [{"type": "approve"}]}), config=config)

中断後に実行を再開するには、Command クラスを使います。

// WRONG
await agent.invoke({ resume: { decisions: [...] } });

// CORRECT
import { Command } from "@langchain/langgraph";
await agent.invoke(new Command({ resume: { decisions: [{ type: "approve" }] } }), config);