Введение в экосистему LangChain

LangChain — это фреймворк для создания агентов на базе языковых моделей. Ключевая формула: Агент = Модель + Обвязка.

#Что такое LangChain

LangChain предоставляет единый интерфейс для работы с языковыми моделями от разных провайдеров. Обвязка — это всё, что окружает цикл вызовов модели: промпт, инструменты и промежуточные слои (мидлварь), которые управляют поведением агента.

Экосистема LangChain состоит из нескольких компонентов, каждый из которых решает свою задачу.

#Компоненты экосистемы

LangChain (основной фреймворк) — абстракции и интеграции для моделей, инструментов и циклов агентов. Содержит фабрику create_agent для создания агентов с минимальной конфигурацией.

LangGraph (оркестрация) — низкоуровневый фреймворк для создания долгоживущих, состоятельных агентов. Позволяет смешивать детерминированные и агентивные шаги в одном графе.

Deep Agents — высокоуровневая обвязка с готовыми возможностями: планирование, файловая система, субагенты, управление контекстом. Построена поверх LangChain.

LangSmith — платформа для трассировки, оценки, промптов и развёртывания. Позволяет наблюдать за поведением агентов в продакшене.

#Когда что использовать

Если нужен простой агент с инструментами — используйте LangChain и create_agent. Для сложной оркестрации с условиями и параллелизмом — LangGraph. Если нужен агент «из коробки» с максимумом возможностей — Deep Agents. Для наблюдаемости и отладки — LangSmith.

#Установка

Для начала работы достаточно установить основные пакеты:

pip install -U langchain langgraph

Для Deep Agents потребуется дополнительный пакет:

pip install -U langchain deepagents

Для некоторых провайдеров нужны отдельные пакеты:

pip install langchain-openai      # OpenAI
pip install langchain-anthropic    # Anthropic
pip install langchain-google-genai # Google
pip install langchain-ollama       # Ollama (локальные модели)

#Единый интерфейс моделей

LangChain предоставляет единый интерфейс для всех провайдеров. Можно сменить модель, изменив одну строку. Модель создаётся через init_chat_model со строковым идентификатором в формате "провайдер:модель":

from langchain.chat_models import init_chat_model

# OpenAI
model = init_chat_model("openai:gpt-4o-mini")

# Anthropic
model = init_chat_model("anthropic:claude-sonnet-4-6")

# Google
model = init_chat_model("google_genai:gemini-2.5-flash-lite")

# Ollama (локально)
model = init_chat_model("ollama:llama3")

Можно указать дополнительные параметры — температуру, таймаут, максимальное количество токенов:

model = init_chat_model(
    "openai:gpt-4o-mini",
    temperature=0.5,
    timeout=300,
    max_tokens=4096,
)

При создании агента модель указывается напрямую в create_agent:

from langchain.agents import create_agent

agent = create_agent(
    model="openai:gpt-4o-mini",
    tools=[],
    system_prompt="Ты помощник.",
)

#Как выбрать модель

Для быстрого прототипа подойдут openai:gpt-4o-mini или google_genai:gemini-2.5-flash-lite. Для сложных задач — anthropic:claude-sonnet-4-6 или openai:gpt-5.5. Для работы без API — ollama:llama3 (локальная модель). Для бюджетного варианта — openrouter с выбором модели.

#Настройка ключей API

Перед работой нужно установить ключ API провайдера через переменную окружения:

export OPENAI_API_KEY="ваш-ключ"
# или
export ANTHROPIC_API_KEY="ваш-ключ"
# или
export GOOGLE_API_KEY="ваш-ключ"

#Проверка установки

Чтобы убедиться, что всё работает, создайте простого агента и отправьте ему запрос:

from langchain.agents import create_agent

def greet(name: str) -> str:
    """Поприветствовать пользователя."""
    return f"Привет, {name}!"

agent = create_agent(
    model="openai:gpt-4o-mini",
    tools=[greet],
    system_prompt="Ты помощник. Используй инструменты, когда это уместно.",
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "Поприветствуй меня, меня зовут Алексей"}]}
)
print(result["messages"][-1].content_blocks)

Агент вызовет инструмент greet и вернёт приветствие. Если это работает — установка прошла успешно.