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
LangGraphを用いたAIアプリケーションにおけるメモリ永続化の実践
Search
西岡 賢一郎 (Kenichiro Nishioka)
August 30, 2024
Technology
1
620
LangGraphを用いたAIアプリケーションにおけるメモリ永続化の実践
機械学習の社会実装勉強会 第38回 (
https://machine-learning-workshop.connpass.com/event/328440/
) の発表資料です。
西岡 賢一郎 (Kenichiro Nishioka)
August 30, 2024
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
12
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
180
LangFlowではじめるRAG・マルチエージェントシステム構築
knishioka
0
160
DeepSeekを使ったローカルLLM構築
knishioka
0
190
業務ツールをAIエージェントとつなぐ - Composio
knishioka
1
230
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
54
Other Decks in Technology
See All in Technology
生成AI時代 文字コードを学ぶ意義を見出せるか?
hrsued
1
730
Liquid Glass革新とSwiftUI/UIKit進化
fumiyasac0921
0
300
Connect 100+を支える技術
kanyamaguc
0
150
5min GuardDuty Extended Threat Detection EKS
takakuni
0
180
事業成長の裏側:エンジニア組織と開発生産性の進化 / 20250703 Rinto Ikenoue
shift_evolve
PRO
1
610
使いたいMCPサーバーはWeb APIをラップして自分で作る #QiitaBash
bengo4com
0
1.3k
OPENLOGI Company Profile for engineer
hr01
1
33k
KubeCon + CloudNativeCon Japan 2025 Recap
ren510dev
1
300
より良いプロダクトの開発を目指して - 情報を中心としたプロダクト開発 #phpcon #phpcon2025
bengo4com
1
3.2k
自律的なスケーリング手法FASTにおけるVPoEとしてのアカウンタビリティ / dev-productivity-con-2025
yoshikiiida
0
590
Understanding_Thread_Tuning_for_Inference_Servers_of_Deep_Models.pdf
lycorptech_jp
PRO
0
150
Oracle Cloud Infrastructure:2025年6月度サービス・アップデート
oracle4engineer
PRO
2
310
Featured
See All Featured
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
138
34k
GitHub's CSS Performance
jonrohan
1031
460k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
10
940
Writing Fast Ruby
sferik
628
62k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
Side Projects
sachag
455
42k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
44
2.4k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
26k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
How to train your dragon (web standard)
notwaldorf
94
6.1k
Making Projects Easy
brettharned
116
6.3k
4 Signs Your Business is Dying
shpigford
184
22k
Transcript
LangGraphを用いた AIアプリケーションにおける メモリ永続化の実践 2024/08/31 機械学習の社会実装勉強会 第 38回 1
今回のお話 AIアプリケーション開発の新たな可能性を開く LangGraphの Checkpointer機能につい て、実際の動作をデモンストレーションを通じて紹介 2
自己紹介 名前 : 西岡 賢一郎 Twitter: @ken_nishi note: https://note.com/kenichiro YouTube:
【経営 xデータサイエンス x開発】西岡 賢一郎のチャンネル 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のサービスを提供する株式会社 トライディアを設立 トライディアを売却し、 CTOとして 3年半務め、 2021年 10月末に CTOを退職 CDPのスタートアップ (Sr. CSM)・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) プロダクト開発チーム・データサイエンスチームの立ち上げ 3
LangChainとは 大規模言語モデル( LLM)を使用したアプリケーションを構築するためのフレー ムワーク 複雑な AIタスクを簡単に実装できるようにする さまざまなコンポーネントやツールを提供 4
LangGraphとは LangChainの一部として開発されたライブラリ 状態を持つマルチアクターアプリケーションを構築するためのツール エージェントやマルチエージェントのワークフローを作成可能 5
なぜ永続性が必要か? 1. 文脈の維持 複数の対話にわたって会話の文脈を保持 ユーザーとの長期的な対話を可能に 2. 状態の管理 アプリケーションの現在の状態を保存 必要に応じて以前の状態に戻る能力 3.
エラーからの回復 障害発生時に最後の正常な状態から再開可能 6
永続性の実現方法: Checkpointer LangGraphでは、 「 Checkpointer」を通じて永続性を実現 Checkpionterとは: アプリケーションの状態を保存し、必要に応じて復元する機能 7
Checkpointerの主な特徴 1. セッションメモリ ユーザーとのやり取りの履歴を保存 保存された状態から会話を再開可能 2. エラー回復 最後に成功した保存状態から継続可能 システム障害時の影響を最小限に 3.
ヒューマンインザループ 人間の介入や承認を要する処理の実装 AIと人間の協調作業をスムーズに 8
Checkpointerの実装 LangGraph v0.2で導入された新しいライブラリ: langgraph_checkpoint : 基本インターフェース langgraph_checkpoint_sqlite : SQLiteに保存 (開発・テスト用
) langgraph_checkpoint_postgres : PostgreSQLに保存 (本番環境用 ) 9
LangGraph v0.2 の変更 変数名変更 thread_ts → checkpoint_id parent_ts → parent_checkpoint_id
import方法の変更 旧 : from langgraph.checkpoint import BaseCheckpointSaver 新 : from langgraph.checkpoint.base import BaseCheckpointSaver SQLiteチェックポインターが分離 : langgraph-checkpoint-sqlite 10
Checkpointerの使用例 from langgraph.graph import StateGraph from langgraph.checkpoint.sqlite import SqliteSaver #
グラフの構築 builder = StateGraph(State) # graphをcompileするときにcheckpointerを指定 with SqliteSaver.from_conn_string(":memory:") as memory: graph = builder.compile(checkpointer=memory) 11
Checkpointerの仕組み 12
Checkpointerの利点 1. 一貫性のある長期的な対話 ユーザーとの会話履歴を保持し、文脈に応じた応答が可能 2. 堅牢なアプリケーション エラーや中断からの回復が容易 3. 複雑なワークフローの実現 人間の介入を含む高度な処理フローを構築可能
4. 開発の柔軟性 様々なデータベースに対応可能 カスタム実装の作成が容易 13
考慮事項 1. パフォーマンスへの影響 履歴が増えると LLM呼び出しに時間がかかる可能性 2. カスタマイズの制限 履歴の動的な操作に一部制限あり 3. 実装の選択
使用環境に適した Checkpointer機能の選択が重要 14
デモンストレーション LangGraphの Checkpointer使用の実演 MemorySaver SqliteSaver PostgresSaver ソースコード : https://github.com/knishioka/machine-learning- workshop/blob/main/langchain/langchain_persistence.ipynb
15
まとめ LangGraphの Checkpointerは、永続性を実現する強力なツール 長期的な対話、エラー回復、複雑なワークフローを可能に 適切に使用することで、より洗練された AIアプリケーションの開発が可能 16
参考文献 1. LangGraph公式ドキュメント 2. LangGraph v0.2リリースブログ 3. LangGraph Persistence How-to
17