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
160
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
170
自作MCPサーバ入門
knishioka
0
16
成功と失敗の実像と生成AI時代の展望
knishioka
0
49
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
200
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
290
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
190
Other Decks in Technology
See All in Technology
モバイル界のMCPを考える
naoto33
0
410
MobileActOsaka_250704.pdf
akaitadaaki
0
110
Backlog ユーザー棚卸しRTA、多分これが一番早いと思います
__allllllllez__
1
130
Tokyo_reInforce_2025_recap_iam_access_analyzer
hiashisan
0
170
Should Our Project Join the CNCF? (Japanese Recap)
whywaita
PRO
0
330
Lambda Web Adapterについて自分なりに理解してみた
smt7174
6
160
さくらのIaaS基盤のモニタリングとOpenTelemetry/OSC Hokkaido 2025
fujiwara3
2
310
KubeCon + CloudNativeCon Japan 2025 Recap Opening & Choose Your Own Adventureシリーズまとめ
mmmatsuda
0
260
品質と速度の両立:生成AI時代の品質保証アプローチ
odasho
1
190
Lazy application authentication with Tailscale
bluehatbrit
0
160
OPENLOGI Company Profile
hr01
0
67k
Model Mondays S2E03: SLMs & Reasoning
nitya
0
340
Featured
See All Featured
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Designing for Performance
lara
610
69k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
44
2.4k
The World Runs on Bad Software
bkeepers
PRO
69
11k
The Invisible Side of Design
smashingmag
301
51k
Done Done
chrislema
184
16k
Documentation Writing (for coders)
carmenintech
72
4.9k
How to Ace a Technical Interview
jacobian
277
23k
Embracing the Ebb and Flow
colly
86
4.7k
The Art of Programming - Codeland 2020
erikaheidi
54
13k
Six Lessons from altMBA
skipperchong
28
3.9k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3.1k
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