Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
LangFlowではじめるRAG・マルチエージェントシステム構築
Search
西岡 賢一郎 (Kenichiro Nishioka)
March 22, 2025
Technology
0
180
LangFlowではじめるRAG・マルチエージェントシステム構築
機械学習の社会実装勉強会第45回 (
https://machine-learning-workshop.connpass.com/event/348547/
) の発表資料です。
西岡 賢一郎 (Kenichiro Nishioka)
March 22, 2025
Tweet
Share
More Decks by 西岡 賢一郎 (Kenichiro Nishioka)
See All by 西岡 賢一郎 (Kenichiro Nishioka)
ローカルLLMでファインチューニング
knishioka
0
220
自作MCPサーバ入門
knishioka
0
17
成功と失敗の実像と生成AI時代の展望
knishioka
0
51
MCPが変えるAIとの協働
knishioka
1
190
DeepSeekを使ったローカルLLM構築
knishioka
0
210
業務ツールをAIエージェントとつなぐ - Composio
knishioka
1
240
LangGraphを使ったHuman in the loop
knishioka
0
300
AIシステムの品質と成功率を向上させるReflection
knishioka
0
56
LangGraph Templatesによる効率的なワークフロー構築
knishioka
0
200
Other Decks in Technology
See All in Technology
Amazon SNSサブスクリプションの誤解除を防ぐ
y_sakata
3
190
大量配信システムにおけるSLOの実践:「見えない」信頼性をSLOで可視化
plaidtech
PRO
0
390
Copilot coding agentにベットしたいCTOが開発組織で取り組んだこと / GitHub Copilot coding agent in Team
tnir
0
200
AI時代にも変わらぬ価値を発揮したい: インフラ・クラウドを切り口にユーザー価値と非機能要件に向き合ってエンジニアとしての地力を培う
netmarkjp
0
130
Digitization部 紹介資料
sansan33
PRO
1
4.5k
CDK Vibe Coding Fes
tomoki10
1
630
アクセスピークを制するオートスケール再設計: 障害を乗り越えKEDAで実現したリソース管理の最適化
myamashii
1
670
ソフトウェアテストのAI活用_ver1.25
fumisuke
1
610
伴走から自律へ: 形式知へと導くSREイネーブリングによる プロダクトチームの信頼性オーナーシップ向上 / SRE NEXT 2025
visional_engineering_and_design
3
460
Delegating the chores of authenticating users to Keycloak
ahus1
0
190
対話型音声AIアプリケーションの信頼性向上の取り組み
ivry_presentationmaterials
3
1.1k
AI エージェントと考え直すデータ基盤
na0
20
7.9k
Featured
See All Featured
Fireside Chat
paigeccino
37
3.5k
Java REST API Framework Comparison - PWX 2021
mraible
31
8.7k
Optimizing for Happiness
mojombo
379
70k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
7
750
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.9k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
50
5.5k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
29
9.6k
Art, The Web, and Tiny UX
lynnandtonic
299
21k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
30
2.2k
Producing Creativity
orderedlist
PRO
346
40k
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
18
990
Transcript
LangFlowで じめる RAG・マルチエージェントシステム構築 2025/03/22 第45回勉強会
自己紹介 • 名前: 西岡賢一郎 10年以上にわたり、データ分析や機械学習 分野でスタートアップ 経営に携わる。現在 、日本とマレーシアを拠点に活動中 • SNS
◦ X: @ken_nishi ◦ LinkedIn: https://www.linkedin.com/in/kenichiro-nishi oka/ ◦ Facebook: https://www.facebook.com/kenichiro.nishio ka ◦ note: https://note.com/kenichiro ◦ YouTube: https://www.youtube.com/@kenichiro-nishi oka 経歴 • 東京大学で位置予測アルゴリズムを研究し博 士 (学術) を取得 • 東京大学 博士課程在学中にデータサイエン スをもとにしたサービスを提供する株式会社ト ライディアを設立 • トライディアを別 IT会社に売却し、CTOとして 3年半勤め、2021年10月末に退職 • 株式会社データインフォームド (CEO)・株式会 社ディースタッツ (CTO)・CDP スタートアップ (Sr. SA) • 自社および他社 プロダクト開発チーム・デー タサイエンスチーム 立ち上げ経験
本日 アジェンダ • LLMアプリケーション開発 現状 • Langflow 基本機能と特徴 • 導入方法と使い方
• デモ • まとめ
LLMアプリケーション開発 現状
LLMアプリケーション開発 現状 • ChatGPT ような大規模言語モデル(LLM) 登場により、AIアプリケーション開発 が活性化 • 様々な業界でLLMを活用したアプリケーション 需要が急増
• LangChainなど フレームワークが開発 標準になりつつある • しかし、これら ツール 主にプログラマー向けに設計されている
開発 課題と障壁 • LLMアプリケーション開発に 専門的なプログラミング知識が必要 • LangChainなど AIフレームワーク パワフルだが、学習曲線が急 •
既存 LLMフレームワーク 主にコードベースで 開発を前提としている • プロトタイピングに時間がかかり、アイデア 検証が難しい • 多く 組織で 技術者不足が障壁になっている
どうすれ 効率的に開発できるか? • プログラミングスキルがなくても、LLMアプリケーションを構築できないか? • 複雑なコードを書かずに、直感的にアイデアを形にできないか? • 迅速にプロトタイプを作成し、テストできる方法 ないか? •
開発 民主化と効率化を両立させる方法 あるか?
Langflowによる解決策 Langflow 、コードを書かずにLangChainベース アプリケーションを構築できるビジュアル開発プラット フォーム • ノーコード開発: ドラッグ&ドロップ 操作でAIアプリケーションを構築 •
直感的インターフェース: 視覚的に要素を配置し接続 • 即時テスト: 内蔵チャットインターフェースでリアルタイムにテスト可能 • 拡張性: 作成したフロー APIとして公開可能 • 共有・再利用: フロー JSONとしてエクスポート・インポート可能
コードベース開発とノーコード開発 比較
Langflow 基本機能と特徴
ビジュアル開発環境 • キャンバス上でコンポーネントをドラッグ&ド ロップ • コンポーネント間を線で接続してワークフロー を構築 • パラメータ 調整がUIから簡単に可能
主要コンポーネント Langflow 以下 LangChainコンポーネントをサ ポート: • LLM: OpenAI、Hugging Faceなど 言語モ
デル • プロンプト: テンプレートやチェーンプロンプト • エージェント: 自律的に動作するAIエージェント • チェーン: 複数 コンポーネントを連結 • ツール: 検索、計算など 外部ツール • メモリ: チャット履歴 保持機能 • ベクターストア: 埋め込みベクトル 保存と検 索
プロトタイピングと実験 • 内蔵チャットインターフェースでリアルタイムテ スト • パラメータを変更してすぐに効果を確認可能 • フロー 動作を視覚的に追跡可能 •
迅速な反復開発が可能
エクスポートと統合 • フローをJSONファイルとしてエクスポート • APIを通じて外部から利用可能 • 他システムと 連携が容易
導入方法と使い方
インストール方法 • Pythonパッケージとして pip install langflow langflow run • uvを使用
uvx langflow run • Dockerを使用 docker run -it --rm \ -p 7860:7860 \ --env-file .env \ langflowai/langflow:latest • ブラウザで http://localhost:7860 にアクセス
基本的な使い方 • サイドバーからコンポーネントを選択 • キャンバスにドラッグ&ドロップ • コンポーネント間を接続 • パラメータを設定 •
「Build」ボタンでフローを構築 • チャットインターフェースでテスト
デモ • Langflow 基本的な使い方 • マルチエージェントシステム 雛形 • RAG(検索拡張生成)システム 雛形
まとめ • Langflow 、コードを書かずにLLMアプリケーションを開発するため 強力なツー ル • ビジュアルインターフェースにより、開発 民主化と効率化を実現 •
特にRAGやマルチエージェントシステム 構築に適している • 初期プロトタイピングから本格的なアプリケーション開発まで幅広くサポート • 技術的知識 ない人でも、AI 力を活用できる環境を提供