- LangChain, LangGraph и LangSmith: что за что отвечает
- Установка
- Первый агент с инструментом
- Локальная модель через Ollama
- Отладка в LangSmith
- Что ещё умеет LangChain
- LangChain или другие фреймворки
- Как учиться
- Частые вопросы
- LangChain бесплатный?
- Нужно ли знать Python?
- Можно ли использовать LangChain с российскими моделями?
LangChain - самая популярная открытая библиотека для создания приложений и ИИ-агентов на языковых моделях. Она даёт единый способ работать с моделями разных провайдеров, подключать инструменты, память и базы знаний. Вокруг неё выросла целая экосистема: LangGraph для сложных агентов с точным контролем шагов и LangSmith для отладки и оценки качества. Библиотека есть для Python и JavaScript.
LangChain, LangGraph и LangSmith: что за что отвечает
| Инструмент | Что делает | Когда нужен |
|---|---|---|
| LangChain | готовые блоки: модели, инструменты, агенты, загрузка документов, векторные базы | быстро собрать агента или RAG-систему |
| LangGraph | описывает работу агента как граф состояний: шаги, ветвления, циклы, остановки для проверки человеком | сложные и долгие процессы, мультиагентные системы |
| LangSmith | облачный сервис: журнал всех шагов агента, оценка ответов на тестовых наборах | отладка и контроль качества |
Агенты LangChain работают поверх LangGraph, поэтому начинать можно с простого API LangChain и переходить к LangGraph, когда нужен тонкий контроль.
Установка
Нужен Python 3.11 или новее. Актуальная версия на момент написания - langchain 1.5, langgraph 1.2.
python -m venv .venv
source .venv/bin/activate
pip install -U langchainНа Windows вместо второй строки выполните .venvScriptsactivate. Для конкретного провайдера модели ставится пакет интеграции, например pip install -U langchain-openai или langchain-ollama.
Первый агент с инструментом
В LangChain 1.x агент создаётся одной функцией create_agent. Инструмент - обычная функция Python с описанием: по нему модель понимает, когда её вызывать.
from langchain.agents import create_agent
def get_weather(city: str) -> str:
"""Возвращает погоду в указанном городе."""
return f"В городе {city} солнечно, +5"
agent = create_agent(
model="openai:gpt-6.1-sol",
tools=[get_weather],
system_prompt="Ты полезный помощник. Отвечай по-русски.",
)
result = agent.invoke(
{"messages": [{"role": "user", "content": "Какая погода в Казани?"}]}
)
print(result["messages"][-1].content)Агент сам решает вызвать get_weather, получает ответ функции и формулирует итог. Вместо выдуманной погоды подставьте настоящие инструменты: запрос к API, поиск по базе, работу с таблицей.
Локальная модель через Ollama
Чтобы не платить за API, подключите модель, запущенную в Ollama:
pip install -U langchain-ollama
ollama pull qwen3.8Затем в create_agent укажите model="ollama:qwen3.8". Для агентов выбирайте модели с поддержкой инструментов; подборка - в статье локальная нейросеть на ПК.
Отладка в LangSmith
LangSmith показывает каждый шаг агента: какие инструменты вызваны, что вернули, сколько токенов потрачено. Бесплатный план Developer даёт одно место и до 5 000 трассировок в месяц, платный Plus стоит $39 за место. Подключение - через переменные окружения с ключом LangSmith, код агента менять не нужно.
Что ещё умеет LangChain
- Работа с документами. Загрузчики для PDF, Word, сайтов, таблиц и разделители текста на фрагменты - основа для RAG.
- Векторные базы. Интеграции с Qdrant, Chroma, PostgreSQL с pgvector и другими.
- MCP. Подключение инструментов из MCP-серверов через отдельный адаптер.
- Структурированный ответ. Агент возвращает данные в заданном формате, а не свободный текст.
- Сотни интеграций с поисковиками, базами данных и сервисами.
LangChain или другие фреймворки
| Фреймворк | Сильная сторона |
|---|---|
| LangChain и LangGraph | самая большая экосистема интеграций, гибкость, много примеров |
| CrewAI | проще описывать команду агентов с ролями |
| OpenAI Agents SDK, Google ADK | лёгкие наборы от разработчиков моделей |
| n8n, Dify | то же самое без кода, в визуальном редакторе |
Если писать код не обязательно, сначала соберите агента в n8n: прототип будет готов быстрее. К LangChain переходят, когда нужна нестандартная логика или агент становится частью продукта. Подробнее о выборе - в статье разработка ИИ-агентов.
Как учиться
- Официальная документация с пошаговыми руководствами на docs.langchain.com.
- Бесплатные курсы LangChain Academy по LangGraph и агентам.
- Курсы Hugging Face и Microsoft, где LangGraph разбирается на практике, - в подборке курсов по ИИ-агентам.
Частые вопросы
LangChain бесплатный?
Да, LangChain и LangGraph - открытые библиотеки с лицензией MIT. Платными могут быть модели, которые вы подключаете, и облачный LangSmith сверх бесплатного лимита.
Нужно ли знать Python?
Да, на базовом уровне: функции, установка библиотек, работа с переменными окружения. Есть и версия для JavaScript и TypeScript.
Можно ли использовать LangChain с российскими моделями?
Да. ГигаЧат подключается через отдельный пакет интеграции, модели Yandex AI Studio и многие другие сервисы - через совместимый с OpenAI API, указав свой адрес и ключ.
