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。

Transcript

1. 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
2. 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
3. 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
4. LLMアプリケーション開発 現状
5. 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
6. 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
7. 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？
8. 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
9. コードベース開発とノーコード開発 比較
10. Langflow 基本機能と特徴
11. 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
12. 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
13. 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
14. 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
15. 導入方法と使い方
16. 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
17. 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
18. 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
19. 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