「RAG・AIエージェント[実践]入門」を読む　～第4章 LangChainの基礎①LLM/Chat model～

はじめに

業務でLLMを活用していくためには，検索拡張生成(RAG)やAIエージェントといった技術が必要になってくると考えられる。これらの技術の基礎知識と実践経験を積むために，西見公宏・吉田真吾・大嶋勇樹著「LangChainとLangGraphによるRAG・AIエージェント［実践］入門」を読むことにした。

本記事は，第4章「LangChainの基礎」におけるLLM / Chat modelに関する読書メモである。

本書の紹介ページ

gihyo.jp

第4章 LangChainの基礎

本章では，LLMアプリケーション開発のフレームワークであるLangChainについて説明している。

4.1 LangChainの概要

なぜLangChainを学ぶのか

LLMを使ったアプリケーション開発に使えるフレームワークには，

LangChain https://www.langchain.com/
LlamaIndex https://github.com/run-llama/llama_index
Semantic Kernel https://learn.microsoft.com/ja-jp/semantic-kernel/

などが挙げられる。

LangChainはの公式のドキュメントやクックブックには，論文などで提案された手法の実践例が多数掲載されており，LLMの発展的な手法を学ぶことができる，と本書では紹介している。

LangChainの全体像

LangChainの全体像は，以下から構成される。

各種コンポーネントを提供するパッケージ群
エコシステム
LangChain Templates

LangChainの各種コンポーネントを提供するパッケージ群

LangChainは，コア機能はlangchain-coreというパッケージで，周辺機能は別のパッケージが提供する。

langchain-core
- LangChain Expressional Language (LECL)などを提供する。LECLは，処理の連鎖(Chain)を表現する記述方法である。

partners(langchain-openaiなど)とlangchain-community
- OpenAIなどの言語モデルをはじめとして，様々なサービスやOSSとのインテグレーションが実装されている。
- partners パッケージとして独立していないものは，langchain-communityというパッケージで提供される。

langchain / langchain-text-splitters / langchain-experimental
- langchain パッケージは，LLMアプリケーションの特定のユースケースに特化した機能を提供する。
- langchain-text-splittersは，テキストをチャンクに分解する機能を提供する。
- langchain-experimentalは，研究・実験目的のコードや，既知の脆弱性を含むコードを提供する。

4.2 LLM / Chat model

本節では，LangChainでの言語モデルの使用方法を提供するモジュールである，LLMとChat modelを紹介する。

LLM

LLMは，1つのテキスト入力に対して１つのテキストの出力を返す，チャット形式ではない言語モデルを扱うコンポーネントである。

Chat model

Chat modelは，チャット形式の言語モデルをLangChainで扱うためのコンポーネントである。
サンプルコードは以下の通りである。

from langchain_core.messages import AIMessage, HumanMessage, SystemMessage
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini", temperature=0)

messages = [
    SystemMessage("You are a helpful assistant."),
    HumanMessage("こんにちは！私はジョンと言います"),
    AIMessage(content="こんにちは、ジョンさん！どのようにお手伝いできますか？"),
    HumanMessage(content="私の名前がわかりますか？"),
]

ai_message = model.invoke(messages)
print(ai_message.content)

messageの構成要素は，Chat Completion APIの要素のうち，以下のように対応している。