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
710
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)
AIがAIを拡張する時代へ ~Claude Codeで実現する高品質文書作成~
knishioka
0
70
MLflow × LLM 生成AI時代の実験管理とリスク低減
knishioka
0
89
Conductor: Git Worktreeで実現する並列AIコーディング
knishioka
0
80
ローカルLLMでファインチューニング
knishioka
0
1k
自作MCPサーバ入門
knishioka
0
47
成功と失敗の実像と生成AI時代の展望
knishioka
0
73
MCPが変えるAIとの協働
knishioka
1
220
LangFlowではじめるRAG・マルチエージェントシステム構築
knishioka
0
270
DeepSeekを使ったローカルLLM構築
knishioka
0
240
Other Decks in Technology
See All in Technology
GopherCon Tour 概略
logica0419
2
170
空間を設計する力を考える / 20251004 Naoki Takahashi
shift_evolve
PRO
3
300
「AI駆動PO」を考えてみる - 作る速さから価値のスループットへ:検査・適応で未来を開発 / AI-driven product owner. scrummat2025
yosuke_nagai
2
530
成長自己責任時代のあるきかた/How to navigate the era of personal responsibility for growth
kwappa
3
240
KAGのLT会 #8 - 東京リージョンでGAしたAmazon Q in QuickSightを使って、報告用の資料を作ってみた
0air
0
200
Railsアプリケーション開発者のためのブックガイド
takahashim
14
6k
Flaky Testへの現実解をGoのプロポーザルから考える | Go Conference 2025
upamune
1
400
関係性が駆動するアジャイル──GPTに人格を与えたら、対話を通してふりかえりを習慣化できた話
mhlyc
0
130
動画データのポテンシャルを引き出す! Databricks と AI活用への奮闘記(現在進行形)
databricksjapan
0
140
Findy Team+のSOC2取得までの道のり
rvirus0817
0
300
Goに育てられ開発者向けセキュリティ事業を立ち上げた僕が今向き合う、AI × セキュリティの最前線 / Go Conference 2025
flatt_security
0
330
多野優介
tanoyusuke
1
200
Featured
See All Featured
Code Review Best Practice
trishagee
72
19k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
Building Better People: How to give real-time feedback that sticks.
wjessup
368
20k
The Art of Programming - Codeland 2020
erikaheidi
56
14k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.5k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
132
19k
GraphQLの誤解/rethinking-graphql
sonatard
73
11k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.1k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Statistics for Hackers
jakevdp
799
220k
The Language of Interfaces
destraynor
162
25k
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