LangGraphとは？サンプルコードをもとにわかりやすく解説！

from langgraph.graph import StateGraph, END
# 新しいグラフを定義
workflow = StateGraph(AgentState)

#先ほどの図の二つのノードを定義
workflow.add_node("agent", call_model)
workflow.add_node("action", call_tool)

#エントリーポイントをagentに設定(一番初めに呼ばれる)
workflow.set_entry_point("agent")

#agent →action という条件付きエッジを作成
workflow.add_conditional_edges(
    #開始ノードを指定
    "agent",
    #条件が定義されどのノードを呼ぶか判断する関数を指定
    should_continue,
    {
        #続けるのならばactionノードを呼ぶ
        "continue": "action",
        #続けないのならばENDノードを呼ぶ（ライブラリによって実装済み）
        "end": END
    }
)

#action→agentというノーマルエッジを作成
workflow.add_edge('action', 'agent')
app = workflow.compile()

#条件付きエッジの実装
def should_continue(state):
    messages = state['messages']
    last_message = messages[-1]
    #messagesの一番後ろ(最も最近に追加されたメッセージ)にfunction_callが含まれていない場合はENDノードを呼ぶ
    #function_callにはarguments(queryなど)とtoolのnameが含まれている
    if "function_call" not in last_message.additional_kwargs:
        return "end"
    else:
        return "continue"

from langchain_community.tools.tavily_search import TavilySearchResults
from langgraph.prebuilt import ToolExecutor

#LLMが学習していない情報を取得するために検索ツールのTavilyを使用
#ツール作成は公式ページを参照
tools = [TavilySearchResults(max_results=1)]
tool_executor = ToolExecutor(tools)

#Actionノードの処理
def call_tool(state):
    messages = state['messages']
    last_message = messages[-1]
    # Agentから渡されたfunction_callの情報からToolInvocationを作成
    action = ToolInvocation(
        tool=last_message.additional_kwargs["function_call"]["name"],
        tool_input=json.loads(last_message.additional_kwargs["function_call"]["arguments"]),
    )
    # tool_executorを使用してツールを実行
    response = tool_executor.invoke(action)
    # 実行結果をFunctionMessageとして返す
    function_message = FunctionMessage(content=str(response), name=action.tool)
    return {"messages": [function_message]}

from langchain_openai import ChatOpenAI
from langchain.tools.render import format_tool_to_openai_function

#ストリーミングを有効にするとレスポンスが随時届く
model = ChatOpenAI(temperature=0, streaming=True)

#モデルに使用可能なツールがあることを知らせる。
#LangChainのtoolをOpenAIのfunction callingに変換
functions = [format_tool_to_openai_function(t) for t in tools]

#モデルに関数をバインド
model = model.bind_functions(functions)

#Agentノードの処理
def call_model(state):
    messages = state['messages']
    response = model.invoke(messages)
    return {"messages": [response]}

from langchain_core.messages import HumanMessage

inputs = {"messages": [HumanMessage(content="Appleの創業者は？")]}

#Streamで出力
for output in app.stream(inputs):
    for key, value in output.items():
        print(f"Output from node '{key}':")
        print(value)

#エントリーポイントのAgentノードに入力された質問が渡される、
Output from node 'agent':
{'messages': [AIMessage(content='Appleの創業者は、スティーブ・ジョブズ、スティーブ・ウォズニアック、およびロナルド・ウェインの3人です。')]}
#should_continue関数によってadditional_lwargsにfunction_callが含まれていないのでENDノードを呼ばれる
Output from node '__end__':
{'messages': [HumanMessage(content='Appleの創業者は？'), AIMessage(content='Appleの創業者は、スティーブ・ジョブズ、スティーブ・ウォズニアック、およびロナルド・ウェインの3人です。')]}

from langchain_core.messages import HumanMessage

inputs = {"messages": [HumanMessage(content="現在のAppleのCEOは？")]}
for output in app.stream(inputs):
    for key, value in output.items():
        print(f"Output from node '{key}':")
        print(value)

Output from node 'agent':
{'messages': [AIMessage(content='', additional_kwargs={'function_call': {'arguments': '{\n  "query": "Apple CEO"\n}', 'name': 'tavily_search_results_json'}})]}
#should_continue関数によってadditional_lwargsにfunction_callが含まれているのでactionノードが呼ばれる
Output from node 'action':
#actionノードがtoolを実行し、FunctionMessageとしてcontentとtoolnameを返す。max_resultを1に指定しているので、結果は一つのみ
{'messages': [FunctionMessage(content='[{\'url\': 参照したURL, \'content\': 参照した内容', name='tavily_search_results_json')]}
#Agentノードに戻り、messagesが読み込まれる
Output from node 'agent':
{'messages': [AIMessage(content='現在のAppleのCEOはTim Cookです。')]}
#function_callが含まれていないのでENDノードが呼ばれる
Output from node '__end__'
{'messages': [HumanMessage(content='現在のAppleのCEOは？'), AIMessage(content='', additional_kwargs={'function_call': {'arguments': '{\n  "query": "Apple CEO"\n}', 'name': 'tavily_search_results_json'}}), FunctionMessage(content='[{\'url\': 参照したURL, \'content\': 参照した内容, name='tavily_search_results_json'), AIMessage(content='現在のAppleのCEOはTim Cookです。')]}