langgraph 튜토리얼 : langgraph 란 무엇이며 그것을 사용하는 방법은 무엇입니까?

복잡한 다중 에이전트 대형 언어 모델 (LLM) 애플리케이션을 구축한다고 상상해보십시오. 흥미롭지 만 다양한 에이전트의 상태 관리, 상호 작용 조정 및 효과적으로 오류를 처리하는 데 어려움이 있습니다. 이것은 langgraph가 도움이 될 수있는 곳입니다 langgraph는 이러한 과제를 정면으로 해결하도록 설계된 Langchain 생태계 내의 도서관입니다. Langgraph는 구조화 된 방식으로 여러 LLM 에이전트 (또는 체인)를 정의, 조정 및 실행하기위한 프레임 워크를 제공합니다. 는 에이전트 런타임을 개발하는 데 필수적인 주기적 그래프의 생성을 가능하게하여 개발 프로세스를 단순화합니다. Langgraph를 사용하면 강력하고 확장 가능하며 유연한 다중 에이전트 시스템을 쉽게 구축 할 수 있습니다. Langchain 생태계에 대해 더 배우고 싶다면 Langchain에 대한이 소개를 권장합니다. langgraph는 무엇입니까? langgraph를 통해 우리는 가능한 한 쉽게 LLM을 사용하는 상태의 다중 액트 응용 프로그램을 만들 수 있습니다. 정교한 에이전트 런타임을 개발하기에 중추적 인 순환 그래프를 만들고 관리하는 기능을 도입하여 Langchain의 기능을 확장합니다. Langgraph의 핵심 개념에는 다음이 포함됩니다 : 그래프 구조, 상태 관리 및 조정.

그래프 구조 응용 프로그램을 지시 된 그래프로 상상해보십시오. Langgraph에서 각 노드는 LLM 에이전트를 나타내고 가장자리는 이들 에이전트 간의 통신 채널입니다. 이 구조는 명확하고 관리 가능한 워크 플로우를 허용하며, 여기서 각 에이전트는 특정 작업을 수행하고 필요에 따라 다른 에이전트에게 정보를 전달합니다.

주 경영진

Langgraph의 눈에 띄는 기능 중 하나는 자동 상태 관리입니다. 이 기능을 통해 여러 상호 작용에서 정보를 추적하고 지속 할 수 있습니다. 에이전트가 작업을 수행함에 따라 상태는 동적으로 업데이트되어 시스템이 컨텍스트를 유지하고 새로운 입력에 적절하게 응답하도록합니다.

조정 langgraph는 에이전트가 올바른 순서로 실행되도록하고 필요한 정보가 원활하게 교환되도록합니다. 이 조정은 여러 에이전트가 공통 목표를 달성하기 위해 함께 일 해야하는 복잡한 응용 프로그램에 필수적입니다. Langgraph는 데이터 흐름과 일련의 운영 순서를 관리함으로써 개발자는 에이전트 조정의 복잡성보다는 응용 프로그램의 고급 논리에 집중할 수 있도록합니다. 왜 langgraph? 위에서 언급했듯이 Langgraph는 복잡한 LLM 응용 프로그램과 함께 일하는 개발자에게 몇 가지 중요한 이점을 제공합니다. Langgraph가 제공하는 실제 혜택은 다음과 같습니다 단순화 된 개발

langgraph는 국가 관리 및 에이전트 조정과 관련된 복잡성을 빼앗아갑니다. 이는 개발자가 데이터 일관성과 적절한 실행 순서를 보장하는 기본 메커니즘에 대해 걱정하지 않고 워크 플로와 논리를 정의 할 수 있음을 의미합니다. 이 단순화는 개발 프로세스를 가속화하고 오류 가능성을 줄입니다. 게임 체인저입니다!

유연성 Langgraph를 통해 개발자는 자체 에이전트 논리 및 커뮤니케이션 프로토콜을 정의 할 수있는 유연성을 가지고 있습니다. 이를 통해 특정 사용 사례에 맞게 맞춤화 된 고도로 사용자 정의 된 응용 프로그램이 가능합니다. Langgraph는 다양한 유형의 사용자 요청 또는 복잡한 작업을 수행하는 다중 에이전트 시스템을 처리 할 수있는 챗봇이 필요한지 여부에 관계없이 필요한 것을 정확하게 구축 할 수있는 도구를 제공합니다. 창조 할 수있는 힘을주는 것입니다

확장 성

langgraph는 대규모 다중 에이전트 응용 프로그램의 실행을 지원하기 위해 구축되었습니다. 강력한 아키텍처는 많은 양의 상호 작용과 복잡한 워크 플로를 처리 할 수있어 필요에 따라 성장할 수있는 확장 가능한 시스템의 개발을 가능하게합니다. 이로 인해 성능과 신뢰성이 중요한 엔터프라이즈 수준의 응용 프로그램 및 시나리오에 적합합니다. 결함 공차 신뢰성은 Langgraph의 설계에서 핵심 고려 사항입니다. 라이브러리에는 우아하게 오류를 처리하는 메커니즘이 포함되어있어 개별 에이전트가 문제가 발생하더라도 응용 프로그램이 계속 작동 할 수 있습니다. 이 결함 공차는 복잡한 다중 에이전트 시스템의 안정성과 견고성을 유지하는 데 필수적입니다. 마음의 평화는 단지 특징 일뿐입니다.

langgraph로 시작하는 우리가 어떻게 langgraph를 설정할 수 있는지, 기본 개념이 무엇인지 봅시다.

설치 langgraph를 설치하려면 pip : 를 사용할 수 있습니다

기본 개념 노드 : 노드는 Langgraph 내에서 작업 단위를 나타냅니다. 일반적으로 다음과 같은 특정 작업을 수행하는 파이썬 기능입니다.

llm 와 상호 작용합니다 도구 또는 api 호출 일부 데이터 조작 수행 사용자 입력 수신 비즈니스 로직 실행

대화 기록 : 에이전트와 사용자 간의 메시지 목록.

상황 데이터 : 현재 과제 또는 상호 작용과 관련된 정보.

내부 변수 : 에이전트의 진행 상황과 행동을 추적하기위한 플래그, 카운터 또는 기타 변수.

간단한 langgraph 애플리케이션 구축

다음은 langgraph를 사용하여 기본 챗봇 응용 프로그램을 작성하는 단계별 예입니다. 1 단계 : StateGraph 정의 챗봇을 상태 기계로 구조화하기 위해 StateGraph 객체를 정의하십시오. 상태는 유형 목록의 단일 키 메시지로 정의 된 클래스 객체이며 add_messages () 함수를 사용하여 새 메시지를 덮어 쓰지 않고 추가합니다.

2 단계 : LLM을 초기화하고 챗봇 노드 로 추가하십시오. 여기서, 우리는 azurechatopenai 모델을 초기화하고 상태 메시지를 입력으로 취하고 메시지 응답을 생성하는 간단한 챗봇 함수를 만듭니다 (이후 상태에 추가). 이 챗봇 함수는 그래프에 "chatbot"이라는 노드로 추가됩니다.

3 단계 : 모서리를 설정 간단한 챗봇을 구축하기 때문에 챗봇 노드를 그래프의 입력 및 마감 지점으로 설정하여 프로세스를 시작하고 종료 할 위치를 나타냅니다. 4 단계 : 그래프를 컴파일하고 시각화합니다 CompiledGraph 객체를 생성하기 위해 그래프를 컴파일하고 선택적으로 아래 코드를 사용하여 그래프 구조를 시각화 할 수 있습니다.

5 단계 : 챗봇을 실행하십시오 마지막으로, 우리는 사용자에게 입력을 지속적으로 프롬프트하고 그래프를 통해 처리 한 후 조수의 응답을 인쇄하는 루프를 구현합니다. 사용자가 "종료", "종료"또는 "Q"를 입력하면 루프가 종료됩니다.

Advanced Langgraph 특징 이제 우리는 기본 사항을 다루 었으므로 몇 가지 고급 기능을 살펴 보겠습니다. 사용자 정의 노드 유형

langgraph를 사용하면 복잡한 에이전트 로직을 구현하기 위해 사용자 정의 노드 유형을 만들 수 있습니다. 이는 응용 프로그램의 동작에 대한 유연성과 제어를 제공합니다

여기서, 우리는 사용자 지정 로직을 캡슐화하고 LLM과 상호 작용하는 클래스 myCustomNode를 정의합니다. 이것은 복잡한 노드 동작을 구현하는보다 체계적이고 유지 가능한 방법을 제공합니다.

가장자리 유형 langgraph는 다른 에지 유형을 지원하여 노드들 사이의 다양한 통신 패턴을 처리합니다. 유용한 유형 중 하나는 조건부 에지로, 노드의 출력을 기반으로 의사 결정을 허용합니다. 조건부 에지를 만들려면 세 가지 구성 요소가 필요합니다

상류 노드 : 노드의 출력이 다음 단계를 결정합니다. a 함수 :이 함수는 업스트림 노드의 출력을 평가하고 다음 노드를 실행하여 결정을 나타내는 문자열을 반환합니다. <: :> 매핑 :이 매핑은 기능의 가능한 결과를 실행될 대응 노드에 연결합니다.
1. 여기 유사 코드의 예는 다음과 같습니다
여기에서 "모델"노드가 호출되면 그래프 ( "END")를 종료하고 사용자에게 돌아갈 수 있거나 계속 ( "계속")를 통해 도구를 호출 할 수 있습니다.
2. 주 경영진
주 관리를 위해 SQLITE 데이터베이스를 사용하는 예는 다음과 같습니다.
3. 오류 처리 langgraph는 또한 오류 처리를위한 메커니즘을 제공합니다
<:> 예외 : 노드 함수는 실행 중에 신호 오류로 예외를 제기 할 수 있습니다. 그래프가 충돌하지 않도록 이러한 예외를 잡고 처리 할 수 ​​있습니다.

재 시도 메커니즘 : 네트워크 문제 또는 API 타임 아웃과 같은 과도 오류를 처리하기 위해 노드 내에서 재 시도 로직을 구현할 수 있습니다. 로깅 : 로깅을 사용하여 오류를 기록하고 그래프 실행을 추적합니다.

langgraph의 실제 응용 프로그램 langgraph는 광범위한 응용 프로그램을 구축하는 데 사용될 수 있습니다.

챗봇 langgraph는 다양한 사용자 요청을 처리 할 수있는 정교한 챗봇을 개발하는 데 이상적입니다. 이 챗봇은 여러 LLM 에이전트를 활용하여 자연어 쿼리를 처리하고 정확한 응답을 제공하며 다른 대화 주제를 원활하게 전환 할 수 있습니다. 상태를 관리하고 조정하는 능력은 챗봇이 컨텍스트를 유지하고 일관된 사용자 경험을 제공 할 수 있도록합니다. 자율 요원 자율적 의사 결정이 필요한 애플리케이션의 경우 Langgraph는 사용자 입력 및 사전 정의 된 논리를 기반으로 작업을 독립적으로 수행 할 수있는 에이전트를 생성 할 수 있습니다. 이 에이전트는 복잡한 워크 플로를 실행하고 다른 시스템과 상호 작용하며 새로운 정보에 동적으로 적응할 수 있습니다. Langgraph의 구조화 된 프레임 워크는 각 에이전트가 효율적이고 효과적으로 작동하도록하여 자동화 된 고객 지원, 데이터 처리 및 시스템 모니터링과 같은 작업에 적합합니다. 다중 에이전트 시스템

langgraph는 여러 에이전트가 공동 목표를 달성하기 위해 협력하는 응용 프로그램을 구축하는 데 탁월합니다. 예를 들어, 다른 에이전트는 공급망 관리 시스템에서 재고, 프로세스 주문 및 배송 조정을 관리 할 수 ​​있습니다. Langgraph의 조정 기능은 각 에이전트가 효과적으로 의사 소통하고 정보를 공유하며 동기화 된 방식으로 결정을 내릴 수 있도록합니다. 이로 인해보다 효율적인 운영과 전반적인 시스템 성능이 향상됩니다.

워크 플로 자동화 도구 langgraph를 사용하면 비즈니스 프로세스 및 워크 플로를 자동화하는 것이 간단 해집니다. 지능형 에이전트는 문서 처리, 승인 워크 플로 및 데이터 분석과 같은 작업을 처리하도록 설계 될 수 있습니다. 명확한 워크 플로를 정의하고 Langgraph의 국가 관리를 활용함으로써 이러한 도구는 사람의 개입없이 복잡한 행동 시퀀스를 실행하여 오류를 줄이고 생산성을 높일 수 있습니다. 추천 시스템 개인화 된 추천 시스템은 Langgraph의 기능을 크게 활용할 수 있습니다. 여러 에이전트를 사용하여 사용자 행동, 선호도 및 상황 데이터를 분석함으로써 이러한 시스템은 제품, 콘텐츠 또는 서비스에 대한 맞춤형 제안을 제공 할 수 있습니다. Langgraph의 유연성은 다양한 데이터 소스 및 알고리즘을 통합하여 권장 사항의 정확성과 관련성을 향상시킬 수 있습니다. 개인화 된 학습 환경

교육 플랫폼에서 Langgraph는 개별 학습 스타일과 요구를 충족시키는 적응 형 학습 환경을 만드는 데 사용될 수 있습니다. 여러 에이전트는 학생의 진행 상황을 평가하고, 맞춤형 운동을 제공하며, 실시간 피드백을 제공 할 수 있습니다. Langgraph의 상태가 높은 성격은 시스템이 각 학습자의 성과 및 선호도에 대한 정보를 유지하여보다 개인화되고 효과적인 교육 경험을 가능하게합니다.

결론 langgraph 상태 관리 및 조정 에이전트 상호 작용을위한 구조화 된 프레임 워크를 제공함으로써 복잡한 LLM 응용 프로그램의 개발을 크게 단순화합니다. Langgraph의 잠재적 개발에는 다른 Langchain 구성 요소와의 통합, 새로운 LLM 모델 지원 및 Academia의 고급 에이전트 런타임 도입이 포함됩니다. Langchain 생태계 내 응용 프로그램 개발에 대한 자세한 내용은 Langchain을 사용하여 LLM 애플리케이션 개발에 대한이 과정을 권장합니다.

위 내용은 langgraph 튜토리얼 : langgraph 란 무엇이며 그것을 사용하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!