AI Agents · レッスン

LangChainのアーキテクチャ：モデル、プロンプト、チェーン

3つの構成要素を学びます。ChatModels、PromptTemplates、それらを組み合わせるチェーンです。

「LangChainのアーキテクチャ：モデル、プロンプト、チェーン」はCoddyKit上の無料AI Agentsレッスンです。これはレッスン1/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはAI Agents学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agentsコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

LangChainを使う理由

LangChainは、LLMアプリを構築するためのPythonフレームワークとして最も広く使われています。次の機能を提供します：

主要なすべてのLLMプロバイダー向けアダプター
さまざまなデータソース用のローダーとパーサー
メモリ、エージェント、チェーンのプリミティブ
ベクトルストアとの統合

批判する人は肥大化していると指摘し、支持する人は幅広さを評価しています。ここでは、安定した中核部分であるLCELに焦点を当てます。

3つの基本概念

モデル — 呼び出すLLMとChatModel
プロンプト — メッセージを生成するテンプレート
チェーン — プロンプト -> モデル -> パーサーをパイプでつなぐ構成

モデル

プロバイダー間で統一されたインターフェース：

from langchain_openai import ChatOpenAI
from langchain_anthropic import ChatAnthropic

openai_model = ChatOpenAI(model='gpt-4o-mini', temperature=0.2)
claude_model = ChatAnthropic(model='claude-sonnet-4-5')

resp = openai_model.invoke('Hello!')
print(resp.content)

プロンプトテンプレート

変数を使って再利用できるプロンプト:

from langchain.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ('system', 'You are a {role} assistant.'),
    ('user', '{question}')
])

messages = prompt.invoke({'role': 'SQL', 'question': 'How do I delete rows?'})
print(messages.to_messages())

チェーン: パイプ演算子

プロンプト、モデル、パーサーを|で組み合わせます:

from langchain.schema.output_parser import StrOutputParser

chain = prompt | openai_model | StrOutputParser()
result = chain.invoke({'role': 'SQL', 'question': 'How do I delete rows?'})
print(result)

出力パーサー

モデルの生の出力をPythonの型に変換します:

from langchain.output_parsers import PydanticOutputParser
from pydantic import BaseModel

class Plan(BaseModel):
    steps: list[str]

parser = PydanticOutputParser(pydantic_object=Plan)
chain = prompt | model | parser

RunnableとRunnableプロトコル

すべてのチェーン要素は、次の機能を持つRunnableです:

.invoke(input) — 同期実行
.ainvoke(input) — 非同期実行
.stream(input) — トークンストリーミング
.batch(inputs) — 並列バッチ処理

パイプ演算子でこれらを組み合わせます。

Streaming

for chunk in chain.stream({'role': 'helpful', 'question': 'Tell a story.'}):
    print(chunk, end='', flush=True)

Batch

results = chain.batch([
    {'role': 'SQL', 'question': 'Q1'},
    {'role': 'SQL', 'question': 'Q2'}
])
# Runs in parallel.

実行時の設定

呼び出しごとにモデルのパラメーターを上書きします:

result = chain.invoke(
    {'role': 'helpful', 'question': '...'},
    config={'configurable': {'temperature': 0.0}}
)

LangChain Hub

コミュニティが選定したプロンプトを取得します:

from langchain import hub
rag_prompt = hub.pull('rlm/rag-prompt')

LangChainを使わない場合

非常に単純なエージェント（モデル呼び出し1回とツール1つ）では、LangChainは過剰設計です。呼び出しを直接記述してください。合成可能性、リトライ、可観測性、テスト済みの統合機能が必要な場合にLangChainを使用します。

チェーン演算子

LangChainで|演算子は何をしますか?

まとめ

モデル、プロンプト、チェーンを|でつなぎます。次は、LangChainエコシステムにおけるローダーとベクトルストアです。

よくある質問

「LangChainのアーキテクチャ：モデル、プロンプト、チェーン」レッスンは無料ですか？

はい。「LangChainのアーキテクチャ：モデル、プロンプト、チェーン」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agentsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agentsコースには全4レッスンが含まれています。

「LangChainのアーキテクチャ：モデル、プロンプト、チェーン」で何を学びますか？

3つの構成要素を学びます。ChatModels、PromptTemplates、それらを組み合わせるチェーンです。ブラウザで直接実行するハンズオンコードでAI Agentsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

AI Agentsを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのAI Agentsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン1/4です。

「LangChainのアーキテクチャ：モデル、プロンプト、チェーン」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このAI Agentsレッスンでコードを書いて実行できますか？

はい。すべてのAI Agentsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← AI Agentsに戻る