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
630
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
180
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
LangFlowではじめるRAG・マルチエージェントシステム構築
knishioka
0
170
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
300
AIシステムの品質と成功率を向上させるReflection
knishioka
0
56
Other Decks in Technology
See All in Technology
作曲家がボカロを使うようにPdMはAIを使え
itotaxi
0
440
無意味な開発生産性の議論から抜け出すための予兆検知とお金とAI
i35_267
3
12k
生成AI時代の開発組織・技術・プロセス 〜 ログラスの挑戦と考察 〜
itohiro73
1
430
LangSmith×Webhook連携で実現するプロンプトドリブンCI/CD
sergicalsix
1
210
Glacierだからってコストあきらめてない? / JAWS Meet Glacier Cost
taishin
1
150
ビズリーチが挑む メトリクスを活用した技術的負債の解消 / dev-productivity-con2025
visional_engineering_and_design
3
6.8k
What’s new in Android development tools
yanzm
0
240
怖くない!はじめてのClaude Code
shinya337
0
380
ビギナーであり続ける/beginning
ikuodanaka
3
720
開発生産性を組織全体の「生産性」へ! 部門間連携の壁を越える実践的ステップ
sudo5in5k
2
6.4k
ネットワーク保護はどう変わるのか?re:Inforce 2025最新アップデート解説
tokushun
0
190
B2C&B2B&社内向けサービスを抱える開発組織におけるサービス価値を最大化するイニシアチブ管理
belongadmin
1
6.3k
Featured
See All Featured
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.9k
Scaling GitHub
holman
459
140k
Become a Pro
speakerdeck
PRO
28
5.4k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
46
9.6k
The Pragmatic Product Professional
lauravandoore
35
6.7k
How GitHub (no longer) Works
holman
314
140k
Testing 201, or: Great Expectations
jmmastey
42
7.6k
Building a Modern Day E-commerce SEO Strategy
aleyda
42
7.4k
Music & Morning Musume
bryan
46
6.6k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.9k
Code Reviewing Like a Champion
maltzj
524
40k
How STYLIGHT went responsive
nonsquared
100
5.6k
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