おさえておきたい！LLM アプリケーション開発の基礎とLangChain/LangGraph の概要解説

【ハンズオン】1時間で作る自作AIエージェント〜LangChain × LangGraph〜
女性エンジニア歓迎！【WAKE Career主催】
https://wake-career.connpass.com/event/372312/

Transcript

1. 2025.11.18 wakecareer_勉強会 おさえておきたい！ LLM アプリケーション開発の基礎と LangChain/LangGraph の概要解説
2. 2 ゴール LLM アプリ開発のスタートラインに立てる
3. 3 自己紹介 南風原香奈 X: @kanasann1106 bgrass株式会社（リードエンジニア）
4. 4 アジェンダ LLM API開発の基礎知識 LangChain/LangGraph の概要と選択基準 LLM アプリケーション開発の学習ロードマップ（これから学ぶ人向けに）
5. 5 LLM API 開発の基礎知識 LLM アプリケーション vs LLM API ：使い分けの判断基準
6. 6 LLM アプリケーションの特徴 例：ChatGPT 、Claude 、Gemini など すぐに利用できる プログラミングの知識不要で、会話形式でタスクを進められる 機能が充実：画像生成・Web検索・外部サービスの連携 会話を記憶してくれている（文脈を保ちながら会話ができる）
7. 7 LLM アプリケーションの特徴 例：ChatGPT 、Claude 、Gemini など すぐに利用できる プログラミングの知識不要で、会話形式でタスクを進められる 機能が充実：画像生成・Web検索・外部サービスの連携 会話を記憶してくれている（文脈を保ちながら会話ができる） カスタマイズ性には限界がある
8. 8 LLM API の特徴 システム統合と業務自動化の活用 既存システムに組み込める（自由度が高い） データベースやその他サービスとの連携がしやすい 自動化・大量処理が可能
9. 9 主要LLM API の特徴比較 料金体系やそれぞれの強みを理解することが大事 OpenAI API 高速応答と深い推論機能を統合した統一モデル（GPT-5） Anthropic API(Claude) 論理的で構造的な思考が得意 / コーディングが得意 Google Cloud AI Platform (Claude) Google連携 超長文コンテキスト（最大200万トークン）に対応 Azure AI Foundry エンタープライズ環境で安全に利用可能 データの保護やアクセス制御、監査ログなどガバナンス機能
10. 10 本番運用の重要なポイント エラーハンドリングと運用管理の考慮 コスト管理と最適化 使用量の監視とアラート設定 トークン数の最適化（プロンプト改善、会話履歴を制限） キャッシュ機能の活用 エラーハンドリング レート制限・トークン制限への対応（人気モデルほど制限が厳しい） セキュリティ 機密情報のフィルタリング（LLMに学習されないように設定するなど） プロンプトインジェクションの対策
11. 11 LangChain とLangGraph の概要 フレームワーク利用のメリットと特徴
12. 12 なぜフレームワークを使うのか 直接API 実装するときの課題 処理フローの複雑化、重複実装 保守性の低下 プロバイダー切り替えが大変
13. 13 なぜフレームワークを使うのか フレームワークの利点 複雑な処理を抽象化して再利用可能なコンポーネントとして提供 プロバイダーの切り替えが簡単 メモリ管理、 RAG、エージェント機能を簡単に実装できる
14. 14 LangChain の主要コンポーネント フレームワークの重要な要素を解説 PromptTemplate プロンプトを「ひな型」として定義できる OutputParser 数値だけや、JSON形式など出力をコントロールできる Chain（LCEL） 複数の処理を鎖（チェーン）のようにつなげて処理できる Memory 会話履歴の管理が簡単 Tool ツールの呼び出しが簡単
15. 15 LangGraph の基本要素 複雑なワークフロー・Agent 開発に最適 Node: 処理の最小単位 Edge: ノード同士をつなぐ矢印。データの流れを定義 State: 状態管理。各Nodeで参照・更新しながら処理する
16. 16 LangChain vs LangGraph LangChain 「決められた順序で処理を進める」ようなタスクに向いている 文書検索→回答生成→出力といった単純な流れ LangGraph 「状態を持ち、分岐や繰り返しを含んだ複雑な処理」が必要な場面に向いている 状況に応じて処理を繰り返したり、エージェント的な動きをさせたい
17. 17 学習ロードマップ これから学ぶ人へ。1 歩1 歩やっていこう！ 1. 基礎を固める → 直接 LLM API を呼び出して基本を理解 2. フレームワーク体験 → フレームワークの利点を体験（LangChain以外でもOK） 3. 複雑なワークフローの実装 → 状態管理とフロー制御を学ぶ 4. 応用へ展開 → RAG、Agent 開発へステップアップ
18. 18 END LLM アプリ開発のスタートラインに立てたでしょうか？ ご清聴ありがとうございます！