LangChain は、さまざまなコンポーネントを「チェーン」でつなぎ合わせて、LLM を活用したアプリケーションの一貫したワークフローを作成します。このモジュール式のアプローチでは、複雑な言語ベースの AI システムを再利用可能なコンポーネントに分解します。ユーザーがクエリを送信すると、LangChain は一連のステップを通じてこの入力を処理できます。

たとえば、一般的なワークフローは次のようになります。

1. ユーザーのクエリを受信します。
2. クエリを処理し、必要に応じてそれを変換または使用して、外部データソースの関連情報を検索します。
3. データベース、API、その他のリポジトリに接続するなどして、必要なデータを取得します。LangChain には、多数のソースから取得したデータを統合するための各種ドキュメント ローダが用意されています。
4. 取得した情報を、元のクエリとともに LLM に渡します。
5. LLM は、提供されたコンテキストとユーザーの入力に基づいて回答を生成します。
6. 生成された回答がユーザーに返されます。

このチェーン アプローチにより、開発者は、ユーザーのリクエストを処理して回答を作成するためにアプリケーションが実行する一連のアクションを定義できます。LangChain により、これらのステップがコンポーネントにまとめられて簡素化されるため、LLM や外部リソースとの複数のやり取りを必要とするアプリケーションの構築が容易になります。また、さまざまな LLM を使用する方法も用意されており、開発者は特定のアプリケーションに最適なモデルを自由に選択できます。

Vertex AI で LangChain を使用する方法の詳細については、こちらをご覧ください。

LangChain は、LLM を活用したアプリケーションの開発を容易にするように設計された一連の機能を提供します。これらの機能は、モデルとのやり取りの管理、データへの接続、複雑な動作のオーケストレーションに役立つコアコンセプトを中心に構成されています。

• 汎用性の高いデータ統合: 構造化データベースから非構造化テキストまで、多様なデータソースとシームレスに統合し、包括的な言語理解と分析を実現します。
• 効果的なデータ取得とキャッシュ保存: データを効率的に取得してキャッシュ保存し、言語データへのアクセスを高速化して、モデル推論中のレイテンシを最小限に抑えます。

• 複数のチェーンのサポート: 1 つの実行チェーン内で複数の言語モデルを同時に操作できるため、コラボレーションと調整が向上します。
• 柔軟なチェーン トポロジ: ユーザーがチェーン内の言語モデルの配置を構成および最適化して、効率的な実行と最適なリソース割り当てを実現できるようにします。

• マルチエージェントのコミュニケーションとインタラクション: LangChain は、複数の言語理解エージェントの作成とデプロイをサポートし、モデル間の複雑なコラボレーションと調整を可能にします。
• エージェントの一元的な調整: 言語理解エージェントの一元的な調整と管理を提供し、マルチエージェント システム内での効率的なタスクの分配とリソース管理を確保します。

• 拡張可能な外部メモリ: カスタムの外部メモリ モジュールを組み込むことで、ユーザーは特定の要件に合わせてメモリ管理を拡張およびカスタマイズできます。
• 適応型コンテキスト割り当て: LangChain はメモリ割り当てに適応型アルゴリズムを使用し、コンテキストを効率的に保存および取得できるようにリソース使用率を最適化します。