FIXER Tech Blog - AI/Machine Learning

初学者のための「LangChainとは何か」「あると何がうれしいのか」

　本記事はFIXERが提供する「cloud.config Tech Blog」に掲載された「LangChainについて自分なりに言語化したい。」を再編集したものです。

はじめに

　本記事では、LangChain というフレームワークについて、自分自身が人に説明するときに困らないよう、概念を整理しながらまとめています。

　最近の AI 技術は進化が速く、「まず全体像を掴む」ことが難しいため、本記事ではあえて専門的すぎる内容には踏み込まず、初学者でもイメージしやすいレベルで紹介することを意識しています。
記事の作成にあたっては、一部 AI のサポートも活用しながら、疑問点を都度確認しつつ進めました。

　また執筆中に LangChain の大きなアップデートがあり、その内容は別途まとめる予定です。

　今回はあくまで従来構造をベースに「ざっくりとした全体像を理解する」ことを目的としています。

　LangChain をこれから触ってみたい方、あるいは名前だけ聞いたことがあるという方に、最初の取っかかりとなる情報を提供できれば幸いです。

LangChainとは

「エージェントとLLMを活用したアプリケーションを構築するためのフレームワーク」
引用：https://github.com/langchain-ai/langchain

　公式ではもっと多機能な説明がありますが、個人的にはまだ理解しきれていなかったので、もう少しざっくり捉えてみます。

「LLMをただ”使うだけ”ではなく、"連結して動かす"ための仕組み」

　RAGやシステムプロンプトなどAIのシステムにはAIからテキストを出力するだけでない機能が沢山有ります。

　それを鎖のように連結させて使うということで理解しました。

　頭の中で列車の連結が思い浮かびながら書いてます。

・ChatGPT のようなモデルに単発で質問するのではなく、
　・外部ツールを使わせる
　・複数ステップの処理を実行させる
　・データベースや API と連携させる

といった「より複雑かつ応用的な AI アプリ」を簡単に作れるのが LangChain です。

これがあると何が嬉しいのか。

　LLM をそのまま使うだけではできないことが、LangChain を使うことで簡単にできるようになります。

・プロンプト管理の標準化
　・複雑になりがちなプロンプトを、部品として管理できる。
　・自然言語がたくさんあって混乱しそうなところを整理できる。
　・アプリの機能が増えても自然言語地獄にならない。
　・（どの画面・どの機能でどのプロンプトを使っているか、コードベースで追いやすくなる）

・複数の LLM やツールを組み合わせられる
　・検索 → 要約 → 整形 → 出力、といったワークフローをつなげられる。
　・別の LLM を途中だけ使うこともできる。
　・要約はGPTで、翻訳はGeminiなど

・外部データの活用がしやすい
　・RAG（検索補完）やデータベースの参照を簡単に構築できる。
　・ローカルもAPIがあれば、LangChainの流れに組み込める。

・エージェント機能で自動判断させられる
　・LLM が「次に何をすべきか」を自律的に判断できるため、チャットボット以上のタスク処理が可能。
　・LLMの手順を推論して実行できる。人間の言葉の裏まで汲み取ってくれる。

・LLM アプリのベストプラクティスが揃っている
　・「セキュアな構成」「再利用できる構造」「例外処理」などAI アプリの“よくある悩み”をカバーしてくれる。
　・LLMアプリを作る時に困る面倒なところが最初から用意されている。

これをどう使うのか。

　LangChain の使い方を一言で言うと、

「LLM を使った処理を“チェーン（鎖）”として組み立てていく」

　というイメージです。🚃🚃🚃🚃🚃

・例えば、
　・ユーザーの質問を受ける
　・検索して資料を探す
　・その内容を要約する
　・形式に沿って回答を生成する

　これらをバラバラに作るのではなく、チェーンとして順番に実行させるコードを書くだけで、AI アプリが完成します。

　よく使われるパターンとしては：

・RAG（検索連携）を持った FAQボット
・資料から自動要約を作るツール
・ファイルを読み込んで自律的に分析するエージェント
・API やデータベースと連動した業務システム

などがあります。

LangChainの構成要素について（この辺リネームされているかもしれないです。）

　LangChainは、大きく5つの要素に基づいて構成されています。

1. Models（モデル）
　1. OpenAIやAnthropicなどの LLM を簡単に利用できる統一インターフェース。

2. Prompts（プロンプト）
　1. プロンプトテンプレートやメッセージの組み立てなどプロンプト管理の仕組み。

3. Chains（チェーン）
　1.複数の処理をつなげて一連のワークフローにする仕組み。
　　LLM → 要約 → 出力整形、といった流れをひとまとめにできる。

4. Agents（エージェント）
　1. LLM が「次のアクションを自律的に選択する」ための機能。
　　外部ツールの利用、判断の連続処理などが可能。

5. Tools（ツール）
　1. 検索、計算、API、データベースなど、エージェントが呼び出せる外部機能群。

あとがき

　AI について専門的な数式や機械学習の深い知識がなくとも、安全かつ簡単に LLM を使ったアプリケーションを作ることができるフレームワークです。

　最近の AI アプリは要約や画像生成などが簡単にできる反面、技術的差別化が難しい印象があります。

　しかし LangChain のようなフレームワークを活用すると、

・エージェントの自律性
・複数ツールとの連携
・外部データ活用（RAG）
・プロンプト管理の品質向上

といった、より高度な機能を組み込むことができ、“ただの生成 AI アプリ”から一歩抜けた開発が可能になると感じています。
と

　はいえ、こうした優位性も時間が経つにつれて一般化していくはずです。

　LangChainが浸透してどんどんAIアプリが進化してくると同じようなアプリがリリースされ続け、ユーザー側が困ってしまいます。

　そのため、作り手がしっかりと意思を持って使ってもらうユーザーを考えながら開発することが重要のように私は思います。

参考文献：

・そろそろ知っておかないとヤバい？ 話題のLangChainを30分だけ触って理解しよう！
https://qiita.com/minorun365/items/081fc560e08f0197a7a8

　「LangChain がなんだ？」という最初の疑問に答えてくれる良い入門記事です。

　ただし最終更新日が2023年6月20日のため、最新のLangChain とは仕様が異なる部分もあります。

　そのため、この記事を参考にしつつ、公式ドキュメントやGitHub の最新情報も併せて調べることをおすすめします。

花田将規／FIXER
（はなだ しょうき） 
新卒採用業務 → 営業と自治体プロジェクトリーダーを実施中です。 
筋トレ、芸術、映画で僕の脳みそはできてます。
最近は専らどこかでブログを書いています。

■関連サイト

• cloud.config Tech Blogのエントリー
• cloud.config Tech Blog
• FIXER