2025年11月27日 LangChain Meetup Tokyo #7 これだけで丸わかり！ LangChain v1.0 アップデートまとめ 

自己紹介 大嶋勇樹（おおしまゆうき） https://x.com/oshima_123 株式会社ジェネラティブエージェンツ取締役CTO/Co-founder 大規模言語モデルを組み込んだアプリケーションやAIエージェントの開発を実施 個人ではエンジニア向けの勉強会開催やUdemy講座の作成など 勉強会コミュニティStudyCo運営 「ChatGPT/LangChainによるチャットシステム構築［実践］入門」（共著） 「LangChainとLangGraphによるRAG・AIエージェント［実践］入門」（共著） 

会社名 株式会社ジェネラティブエージェンツ （英文：Generative Agents, Inc.） 所在地 東京都港区 ※ 全社員リモート勤務 役員構成 CEO 西見 公宏 COO 吉田 真吾 CTO 大嶋 勇樹 設立年月 2024年3月14日 事業内容 AIエージェント技術を軸とした生成 AIアプリケーション開発 支援、コンサルティング、教育・研修サービスの提供 AIエージェントインテグレーションサービスの提供 AIエージェントを実業務で本当に活用するためには、AIエージェントの技術特性 と問題解決領域の両面から検討を進める必要があります。当社は「LangChain」 の公式エキスパートとして、AIエージェントを開発するための確かな技術力を活 かし、生成AIアプリケーション開発支援からコンサルティング、教育・研修サービ スまでのあらゆる方面において、AIエージェントを活用した問題解決サービスを 提供します。 インテグレーションを支えるサービス群の提供 AIエージェントを効果的に運用するためには、AIエージェントを動かすためのイ ンフラが必要です。当社はマルチエージェントのオーケストレーション基盤である 「tasq0 - タスクゼロ（※開発中）」をはじめ、AIエージェントのためのツール群 「middleman.ai」の提供を通して、AIエージェント活用のための基盤構築をサ ポートします。 株式会社ジェネラティブエージェンツ - 会社概要 AIエージェントが「ハブ」となり 人間とAIエージェントの協働が 当たり前になる世界を実現する 

代表取締役CEO / Founder 西見 公宏 Masahiro Nishimi ChatGPTの利活用を中心に大規模言語モデルを活用したアプリケーショ ン開発ならびにアドバイザリーを提供する中で、吉田、大嶋と出会い、 株式会社ジェネラティブエージェンツを共同創業。AIエージェントを経 営に導入することにより、あらゆる業種業態の生産性を高めるための活 動に尽力している。 Software Design「実践LLMアプリケーション開発」（技術評論社）連 載。 主な著書 『その仕事、AIエージェントがやっておきまし た』（単著）、『LangChainとLangGraphによ るRAG・AIエージェント［実践］入門』（共 著）、『現場で活用するためのAIエージェント 実践入門』（共著） 取締役COO / Co-founder 吉田 真吾 Shingo Yoshida ノーコードAIプラットフォームを用いた業務改善、ワークショップを用 いた生成AI活用支援といったコンサルティング事業を管掌。 Serverless Community(JP)、LangChain Community(JP)、ChatGPT Community(JP)などを主宰。 AWS Serverless Heroというクラウドコン ピューティングのスペシャリストに認定され、日本におけるサーバーレ ステクノロジーの普及やをAIエージェント開発を促進。 主な著書 『ChatGPT/LangChainによるチャットシステム構築［実践］入門』 （共著）、『Azure OpenAI ServiceではじめるChatGPT/LLMシステム 構築入門 エンジニア選書』（共著）、『LangChainとLangGraphによ るRAG・AIエージェント［実践］入門』（共著）、『AWS生成AIアプ リ構築実践ガイド』（共著） 取締役CTO / Co-founder 大嶋 勇樹 Yuki Oshima 大規模言語モデルを組み込んだアプリケーション（LLMアプリケーショ ン）やAIエージェント開発の技術統括。LLMアプリケーション開発者養 成講座などの教育事業を管掌。 個人ではエンジニア向けの勉強会開催や教材作成など。オンラインコー スUdemyではベストセラー講座多数。勉強会コミュニティStudyCo運 営。 主な著書 『ChatGPT/LangChainによるチャットシステム構築［実 践］入門』（共著）、『LangChainとLangGraphによる RAG・AIエージェント［実践］入門』（共著） 運営メンバー 

2025年11月27日 LangChain Meetup Tokyo #7 これだけで丸わかり！ LangChain v1.0 アップデートまとめ 

アジェンダ ● （前半）LangChain v1.0 ● （後半）Deep Agents サンプルコードはこちら https://github.com/os1ma/langchain-v1-examples 

LangChain v1.0 

LangChain・LangGraph v1.0リリース 1ヶ月ほど前、LangChain・LangGraph v1.0がついにリリースされました！ https://blog.langchain.com/langchain-langgraph-1dot0/ 

LangChain v1での大きな構成変更 langchain v1は、create_agent（v1以前のlanggraphのcreate_react_agent）を中心とした 新パッケージとして提供されています langchain 高レベルなChainやAgentの実装 （カスタマイズが難しく使いにくかった） langgraph ワークフロー実装の低レベルAPI langchain-core コアの抽象化 langchain-classic 過去のlangchainパッケージの 互換性確保 langgraph ワークフロー実装の低レベルAPI langchain-core コアの抽象化 langchain create_agentを中心とした 新パッケージ v1以前 v1 

LangChain v1からの構成 langchain v1のパッケージ構成は以下のようになります langchain create_agentを中心とした新パッケージ OpenAIのモデルでちょっとした エージェントを作りたい ▼ langchainとlangchain-openaiを インストールして create_agentを使うだけ よりカスタマイズされた ワークフローを実装したい ▼ langgraphで自由自在に実装 langgraph ワークフロー実装の低レベルAPI langchain-core コアの抽象化 langchain-openai / langchain-anthropicなど 各プロバイダのモデル向けの実装 

create_agent langchain v1におけるcreate_agentは、今までのlanggraphのcreate_react_agentと基本的に同じです create_react_agentからの変更点もいくつかあります ● 一部パラメータ名の変更 「prompt」パラメータは「system_prompt」に ● HookからMiddlewareへの移行 「before_model」や「after_model」はMiddlewareに ● streamのノード名の変更 "agent"から"model"に その他の変更を含め、移行ガイドにまとめられています https://docs.langchain.com/oss/python/migrate/langchain-v1# migrate-to-create-agent 

Middleware create_agentのカスタマイズ方法として「Middleware」機能が追加されました https://blog.langchain.com/agent-middleware/ https://docs.langchain.com/oss/python/langchain/middleware/overview Middlewareでは、以下の6つの拡張ポイントが提供されています ● before_agent ● before_model ● after_model ● after_agent ● wrap_model_call ● wrap_tool_call Built-inまたはCustom Middlewareを使用することで、create_agentに対して、 プロンプトの動的変更・リトライ・ガードレールなどを追加可能です 

Built-in Middleware LangChain v1では、Built-inとしていくつかのMiddlewareが提供されています https://docs.langchain.com/oss/python/langchain/middleware/built-in たとえば... ● SummarizationMiddleware：設定した条件で会話履歴を要約 ● HumanInTheLoopMiddleware：人間によるツールの承認を追加 ● AnthropicPromptCachingMiddleware：Anthropicのプロンプトキャッシュを適用 

Middlewareの使い方 Middlewareは、create_agent関数の「middleware」というパラメーターで設定します 

Custom Middleware Custom Middlewareはデコレーターまたはクラスで実装します デコレーターで実装する例は以下のようになります クラスで実装する場合は、AgentMiddlewareを継承してbefore_modelなどのメソッドを実装します 

使い分けのイメージ（個人的見解） ● すぐに動くエージェントがほしい → まずはcreate_agent（または後述するDeep Agents）を使う ● create_agent（またはDeep Agents）の動作をちょっとしたカスタマイズしたい → Middleware ● Middlewareでのカスタマイズだと大変 / ワークフローを組みたい → LangGraphで実装 ※Middlewareでがんばりすぎないほうがよさそうな印象（私見） 

その他のアップデート：Standard Message Content LangChainのAIMessageに「content_blocks」が追加され、プロバイダごとの差分を吸収した形式で LLMの出力を扱うことが可能になりました https://blog.langchain.com/standard-message-content/ response.content # [ # { # "type": "thinking", # "thinking": "...", # "signature": "...", # }, # { # "type": "server_tool_use", # "name": "web_search", # "input": {...}, # "id": "...", # }, # { # "type": "web_search_tool_result", # "content": [...], # "tool_use_id": "...", # } # { # "type": "text", # "text": "...", # "citations": [...], # } response.content # [ # { # "type": "reasoning", # "summary": [...], # "id": "...", # }, # { # "type": "web_search_call" # "action": {...}, # "id": "...", # ... # }, # { # "type": "text", # "text": "...", # "annotations": [...], # "id": "...", # } response.content_blocks # [ # { # "type": "reasoning", # "reasoning": "...", # }, # { # "type": "web_search_call", # "query": "...", # "id": "...", # "extras": {...}, # }, # { # "type": "web_search_result", # "urls": [...], # "id": "...", # "extras": {...}, # }, # { # "type": "text", # "text": "...", # "annotations": [...], # } Anthropic OpenAI Standard Message Content 

その他のアップデート：パッケージの単純化 特に重要なビルディングブロックについて、langchainパッケージから利用可能になりました モジュール 利用可能なコンポーネント（一部） langchain.agents create_agent、AgentState langchain.messages HumanMessage、AIMessage langchain.tools @tool、BaseTool langchain.chat_models init_chat_model、BaseChatModel langchain.embeddings init_embeddings、Embeddings https://docs.langchain.com/oss/python/releases/langchain-v1#namespace ※これらの多くはlangchain-coreから 　再exportされています 

その他のアップデート：ドキュメントの刷新 LangChain v1のリリースに伴い、ドキュメントも刷新されました https://docs.langchain.com/oss/python/langchain/overview 

補足：公式ドキュメントで使われなくなった機能 公式に非推奨・廃止されていないものの、 公式ドキュメント上で使われなくなった機能がいくつかあります ● Prompt template → Pythonのf文字列などでプロンプトを組み立て ● Output Parser → with_structured_outputを使用 ● LCEL（LangChain Expression Language） → 処理の連鎖はプログラム上で順に実行 

LangChain v1.1 11月25日に、LangChain v1.1がリリースされました 主なアップデート ● Model profiles（後述） ● Middlewareの追加・アップデート ○ SummarizationMiddleware ○ ModelRetryMiddleware ○ OpenAIModerationMiddleware 参考 ● https://docs.langchain.com/oss/python/releases/changelog 

Model profiles（Beta） model.profileとして、モデルがサポートされている機能と性能を取得できるようになりました https://docs.langchain.com/oss/python/langchain/models#model-profiles { "max_input_tokens": 400000, "max_output_tokens": 128000, "image_inputs": true, "audio_inputs": false, "video_inputs": false, "image_outputs": false, "audio_outputs": false, "video_outputs": false, "reasoning_output": true, "tool_calling": true, "image_url_inputs": true, "pdf_inputs": true, "pdf_tool_message": true, "image_tool_message": true, "tool_choice": true } { "max_input_tokens": 200000, "max_output_tokens": 64000, "image_inputs": true, "audio_inputs": false, "video_inputs": false, "image_outputs": false, "audio_outputs": false, "video_outputs": false, "reasoning_output": true, "tool_calling": true, "image_url_inputs": true, "pdf_inputs": true, "pdf_tool_message": true, "image_tool_message": true, "structured_output": false } openai:gpt-5.1 anthropic:claude-sonnet-4-5-20250929 データの多くはSSTの「Models.dev」から 取得しているとのことです https://models.dev/ https://github.com/sst/models.dev 

Deep Agents 

Deep Agentsとは LangChainは、Deep ResearchやClaude Codeのように長期タスクを実行可能なエージェントを 「Deep Agents」と呼び、簡単に構築するために「deepagents」というパッケージを公開しました ● 詳細なシステムプロンプト ● 計画ツール ● サブエージェント機能 ● ファイルシステムの操作ツール 参考 ● https://github.com/langchain-ai/deepagents ● https://blog.langchain.com/deep-agents/ ● https://blog.langchain.com/introducing-deepagents-cli/ 

Deep Agentsの使い方の例 ● backend：ファイル操作のバックエンド（LangGrapのステート、ファイルシステムなどを設定可能） ● checkpointer：LangGraphのチェックポインター ● interrupt_on：Human-in-the-Loopの設定 その他のパラメータ（一部） ● system_prompt ● subagents 参考 ● https://docs.langchain.com/oss/python/deepagents/overview 

詳細なシステムプロンプト・ツールの説明 Deep Agentsでは、詳細なシステムプロンプト・ツールの説明を確認できます 

Deep Agentsの位置付け LangChainは現在、LangChain・LangGraphに続く3つ目のOSSとしてDeep Agentsに力を入れています LangChainはフレームワーク、LangGraphはランタイムであるのに対して、Deep Agentはエージェント ハーネス（エージェントと組み込みのツール・機能をたばねたもの）と位置付けています 参考 ● https://blog.langchain.com/doubling-down-on-deepagents/ 

ケーススタディ：Deep AgentsのQ&Aチャットボットへの適用（1/3） LangChainが、Deep Agentsを使用してQ&Aチャットボットの改善に取り組んだことが 公式ブログで公開されています https://blog.langchain.com/rebuilding-chat-langchain/ 

ケーススタディ：Deep AgentsのQ&Aチャットボットへの適用（2/3） LangChainのサポートエンジニアは、LangChainのQ&Aチャットボットを積極的に使わずに、 以下の3つを人手で検索していたそうです ● ドキュメント検索（https://docs.langchain.com/） ● ナレッジベース検索（https://support.langchain.com/） ● コードベース検索（https://github.com/langchain-ai/langchain） このワークフローをDeep Agents+サブエージェントで自動化したらどうなる...？ 

ケーススタディ：Deep AgentsのQ&Aチャットボットへの適用（3/2） 以下の3つのサブエージェントを持つDeep Agentsを構築したところ、劇的な改善が見られたそうです ● ドキュメント検索（https://docs.langchain.com/） 人間と同様にMintlifyのAPIを使用してページを検索 検索結果が適切か確認するようプロンプトで指示し、4〜6回の検索をエージェントに推奨 ● ナレッジベース検索（https://support.langchain.com/） まずは記事タイトルのリストを取得し、関連性の高い2-3記事のみを全文読み込み ● コードベース検索（https://github.com/langchain-ai/langchain） Claude Codeのように、ripgrep・tree・read_fileといった操作のツールを駆使して検索 

まとめ 

まとめ ● LangChain・LangGraph v1がついにリリースされました！ langchain v1は、create_agent（v1以前のlanggraphのcreate_react_agent）を中心とした 新パッケージとして提供されています ● LangChain v1以降の新機能もいくつかあります 新機能：Middleware・Standard Message Content・Model profiles Prompt template・Output parser・LCELはあまり積極的に使わない方向に ● Claude Codeのようなエージェントを簡単に構築するための「Deep Agents」が追加されました ファイルシステムの操作・Human-in-the-Loopなどの機能をもったエージェントを 簡単に用意したい場合には適しているかも？ 

ご清聴ありがとうございました