mcpField
L
langgraph-python-quickstart

langgraph-python-quickstart

github.com/langchain-aiエージェントワークフロー1.3k5.3k 回インストール3 日前に更新
リポジトリ

langgraph-python-quickstart について

LangGraph Python の新規プロジェクト向けクイックスタートスキルです。最新の公式ドキュメントに沿って計算エージェントを実装し、ローカル設定を最小限にしてモデルはユーザーが選びます。

主な機能

  1. 01モデル提供元とモデルを確認
  2. 02Graph API を優先
  3. 03新しいディレクトリにプロジェクトを作成
  4. 04モデル API キーのみ設定
  5. 05例を実行して出力を提示

活用シーン

  1. 01LangGraph Python のエージェント開発を開始
  2. 02選択したチャットモデルを設定
  3. 03計算エージェントの応答を確認

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/langchain-ai/langchain-skills --skill langgraph-python-quickstart

インストール後、Claude Code で/langgraph-python-quickstartを入力して読み込まれたか確認します。

詳細

LangGraph Python のクイックスタート

ライブドキュメントに従ってください。記憶を頼りに別の API を作り出さないでください。

https://docs.langchain.com/oss/python/langgraph/quickstart

このページを取得（Docs MCP または HTTP）し、記載されている内容を実装してください（Graph API を使った計算機／数学エージェント）。ユーザーから別の指定がない限り、Functional API より Graph API の使用を優先してください。IPython によるグラフの可視化は省略してください。

ローカル環境のセットアップに関する制約

以下の内容をクイックスタートに加えて適用してください（セットアップを最小限に抑え、モデルに依存しない構成を維持できます）。

  1. 使用するプロバイダー／モデルを確認してください。LangGraph があらゆる LangChain チャットモデルで動作することを示してください。質問の例：

    このエージェントで使用するモデルを教えてください。provider:model 形式で指定してください。例：openai:gpt-5.5、anthropic:claude-sonnet-5、google_genai:gemini-2.5-flash-lite。分からない場合のデフォルトは**anthropic:claude-sonnet-5**です。

    ドキュメントでは Anthropic がハードコードされていることがよくありますが、ユーザーが選んだモデルを使うように、init_chat_model("<MODEL>")（または同等の方法）に置き換えてください。Claude Sonnet 5 以降を使う場合は、temperature／top_p／top_k（未対応）の指定を省略してください。

  2. 新しいディレクトリ（例：langgraph-agent/）を作成し、すべての作業をその中で行ってください。現在のプロジェクトを汚さないでください。

  3. シークレットは .env（Git で無視される設定）内のプロバイダー API キーのみです。依頼がない限り、LangSmith や Tavily は使わないでください。.env はユーザー自身に編集してもらうのが望ましいです。チャットにキーを貼り付けないでください。

  4. クイックスタートに必要なパッケージに加えて、使用するモデルのプロバイダーパッケージをインストールしてください。

  5. サンプル（例：「3 と 4 を足してください。」）を実行し、出力を表示して終了してください。次のステップとして langgraph-fundamentals を案内してください。より高水準のエージェント API を使う場合は、LangChain の create_agent を使用してください。

コメント

Markdown 対応