LangChain、LLM アプリ開発パッケージの公開から2周年を記念

本日、langchain という Python パッケージが世に公開されてから 2 年を迎えました。2 年という期間は、長くもあれば短くもあります。

一方で、LLM を活用したアプリケーション構築の道はまだ始まったばかりのように感じられます。しかし、その間にも業界は劇的に変化しました。変化のスピードが速い中、私たちはひたすら開発に没頭してきました。

さて、最初のリリースから 2 周年となるこの機会に、langchain がどのように進化し、今後どこへ向かうのかを振り返り、現状を整理したいと思います。

新しいツール、変わらない使命：推論可能なアプリケーションの実現

LangChain の当初のスローガンは「LLM を外部の計算リソースやデータソースに接続する」ことでした。これは「エージェント」という用語が普及する前の話ですが、要するに 1 ラインで表現できるのはまさにそれです。

創業以来、私たちの使命は一貫しています。文脈を理解し、自律的に行動するアプリケーションを、可能な限り簡単に構築できるようにすることです。 （原文の技術表記: langchain）

ただし、そのミッションを達成するためのツールリングは大きく変化しました。まず何より、かつて Python/JS のオープンソースライブラリとして始まった langchain は、現在では LangChain という企業へと進化を遂げました。langchain は引き続き最も人気のある製品ですが、私たちは新たに 2 つの重要製品を追加しています。それが LangGraph と LangSmith です。

2022 年当時、開発者が求めたのは、この新技術を使って構築する方法を簡単に学び、すぐに始められる仕組みでした。しかし現在では、高品質で信頼性の高いアプリケーションを作り、実際に大きなインパクトを与えることが最大の課題となっています。当社の 3 つの製品すべてがこの変化に対応して進化してきました。

エコシステムの進化

2 年前、生成 AI のエコシステムはまさに萌芽期にあり、ChatGPT がまだ登場さえしていない状況でした。langchain は、開発者が LLM アプリを素早く構築し、最新の研究動向に追いつくための入り口として提供されたことで急成長しました。当時は主要な LLM 統合（わずか 3 つ）と、すぐに使い始められるオフ・ザ・シェルフのチェーンが用意されており、たった 5 行のコードで基本的なユースケースを試し始めることが可能でした。

その間、エコシステムは以下の 3 つの点で大きく進化しました：

エコシステムは安定化しました。まだ初期段階であるという考え方は変わっていませんが、生成 AI の状況は 2 年前とは比べ物にならないほど成熟しています。LLM アプリケーションはもはやハッカソンで試作されるだけの存在ではなく、実際に本番環境へリリースされています。

エコシステムは爆発的に拡大しました。langchain が初めて登場した頃は LLM プロバイダーが約 3 社だけでしたが、現在ではモデルプロバイダーが 70 社を超え、ドキュメントローダーやベクトルストアなど無数の統合が存在します。これらを合わせると、langchain 内の統合数は合計 700 を超えています。

最も重要なのは、エコシステムが成熟したことです。企業もスタートアップも、単にプロトタイプを作る段階から、LLM アプリを実際の運用に適した状態にするフェーズへと焦点を移しています。

この最後の点について詳しく見ていきましょう。当初のオープンソースライブラリ langchain は、数行のコードで一般的な LLM アプリケーションユースケースを始められるようにしました（現在もその機能は維持されています）。しかし、エコシステムが成熟するにつれ、「始めやすいこと」と「本番環境へ移行しやすいこと」はイコールではないことが明らかになりました。

当然ながら、開発者がアプリを実際のユーザーに提供することを阻んでいた要因は何なのか、私たちは自問せざるを得ませんでした。

LangSmith と LangGraph が必要とされる理由

LangSmith: 本番環境対応型 LLM アプリ向けのテストと観測機能

langchain の初期ユーザーやパートナーとの対話を通じて、私たちは一貫して「LLM の信頼性の低さ」が大きな障壁となっているという声を聞いてきました。多くのエンジニアにとって、単にモデルを統合するだけでは不十分でした。LLM が常に正しい判断を下すためには、多大な努力が必要だったのです。

その結果、プロンプトエンジニアリングは独自の分野へと進化しました。

この課題を早期に認識した私たちは、2023 年初頭にLangSmithの開発を開始し、観測性（observability）と評価（evaluation）という 2 つの主要なニーズに対応してきました。観測性を追加することで、開発者は LLM アプリがどこで失敗しているかを特定できるようになります。一方、評価機能は回帰テストを防ぎ、継続的なアプリ改善を可能にします。

LLM アプリの問題点を特定し、パフォーマンスを体系的に向上させるという 2 つの柱は、今日でも LangSmith の中核となっています。

LangSmith の開発にあたっては、Moody's や Elastic、Podium、Rakuten といった顧客と密接に連携し、製品の改良を重ねてきました。その過程で、LLM アプリのテストや評価におけるベストプラクティスを継続的に収集するとともに、LangSmith が AI/ML チームに対し、AI アシスタントやチャットボットのやり取りを深く可視化するだけでなく、複雑な問題の迅速なテストとデバッグを実行する手段を提供している様子を目の当たりにしました。

LangGraph: 柔軟なオーケストレーションによるエージェント制御

才能あるビルダー、スタートアップ、そして企業との協働を進める中で、新たな課題が浮き彫りになりました。2023 年夏前半には、LangChain の高レベルで事前構築されたコンストラクトでは、本番環境でのユースケースに対応しきれないことが明確となりました。既存のオフ・ザ・シェルフなチェーンは硬直的であり、事前設定されたエージェントも、スケールする現場で開発者が求める信頼性を備えていないという声が絶えませんでした。

信頼性を高めるためには、開発者がアプリケーションの認知アーキテクチャをより細かく制御できる必要があると私たちは気づきました。寄せられたフィードバックに触発され、私たちは **LangGraph** を構築しました。これは、厳密に定義されたワークフローから自律的で適応的なエージェントまで、多様な自律性のレベルに対応できる柔軟なオーケストレーションフレームワークです。LangGraph は、ユーザーが自らのニーズやビジネス要件に合わせてエージェントをカスタマイズするための柔軟なアーキテクチャを提供します。人間がループに参加する機能やモデレーションの仕組みをサポートしているため、LangGraph を利用すれば、エージェントの動作に対する制御権をより強く持ち、信頼性の高い出力を実現できます。

すでに LangGraph 上には、Replit のコーディングエージェント や Unify の営業用エージェント など、魅力的なユースケースが構築されています。これらは、複雑なタスクを確実に処理できるエージェントの必要性を検証する上で大きな役割を果たしています。

今日における LangChain のオープンソース

では、現在 LangChain のオープンソースパッケージはどうなっているのでしょうか？2 年前から何が変化したのでしょうか。今日、langchain は以下の通りです：

より安定した環境へ

生成 AI エコシステムが安定するにつれ、LangChain もその安定性を高めています。2024 年初頭に最初の安定版リリースを迎え、以降は破壊的変更を伴うリリースはわずか 2 回にとどまっています。

より包括的な機能へ

GenAI の急成長に伴い、LangChain における統合機能の重要性もさらに増しています。この分野で大きな成果を収められたのは、素晴らしいコミュニティのおかげです。LLM を接続する先は多岐にわたり、ベクトルストアや検索エンジン、ドキュメントローダーなど様々ですが、これらの統合パッケージ開発にご協力いただいた皆様に心から感謝申し上げます。 （原文の技術表記: langchain、langchain.）

また、主要なパートナー向けに専用の統合パッケージ dedicated integration packages を提供し、各コンポーネントの標準化されたテストも整備しました。

• より本番環境対応へ。開発者の関心がプロトタイプから実際の運用アプリケーションへと移ったことに合わせ、langchain もそのように進化させました。

LLM アプリ向けの最高クラスの観測性とテスト機能を提供するために LangSmith を構築する際、私たちはそれが langchain とシームレスに統合されるよう配慮しました。

langgraph フレームワークを構築して強力なカスタム認知アーキテクチャを実現する中で、langchain コンポーネントの統合方法や、従来の langchain チェーンをより堅牢な LangGraph アプリケーションへ移行する方法を実証してきました。

LangChain の成長とともに、コミュニティも共に発展してきました。過去 1 年間において： （原文の技術表記: langchain）

LangChain（Python と JS 両方）の貢献者数は、2000 人から 4000 人に倍増しました。

LangChain で構築されたアプリの数も、3 万件から 13.2 万件へと 4 倍に拡大しています。

ダウンロード総数に至っては、Python と JS を合わせて 2,000 万回から 1 億 3,000 万回以上へと急増しました。

バグの修正や課題への対応、そして LangChain の製品を誰もが利用しやすいものにするための教育コンテンツ作成に尽力してくれた、LangChain コミュニティのチャンピオンとアンバサダーの皆様に心から感謝申し上げます：

*Aditya Thomas (sepiatone), Allen Firstenberg (afirstenberg), Andres Torres, Christophe Bornet (cbornet), Clemens Peters (clemenspeters), Colin McNamara (colinmcnamara), Daniel Nastase (js_craft_hq), Eden Marco (emarco177), Francisco Ingham (fpingham), gbaian10, Greg Kamradt (gregkamradt), Harry Zhang (zhanghaili0610), Marlene Mhangami (marlenezw), Rick Garcia (gitmaxd), Tom Spencer, Virat Singh (virattt)*

LangChain の今後の展望

2 年前に langchain を立ち上げた際、推論能力を持つ LLM アプリケーションを構築するプロセスをできるだけシンプルにすることが目標でした。現在では企業として、この同じ目標が過去 2 年間の原動力となり、langchain の改善だけでなく、異なるニーズに応える独自の製品も開発してきました。

この分野はまだ黎明期にあり、開発者が画期的なアプリケーションを構築できるよう支援するツールが数多く必要だと考えています。langchain、LangGraph、LangSmith はその重要なピースであり、今後さらに多くのコンポーネントが登場すると確信しています。素晴らしいコミュニティのサポートとフィードバックを受けながら、langchain の原点となるビジョンに忠実であることと、新たな方向性を模索することの両方を追求し、LangChain を前進させていきます。

関連記事

Harrison's In the Loop

管理型エージェントがエージェント構築の次なる主流となる理由

Harrison Chase

2026 年 8 月 12 日

6 分

Harrison's In the Loop

「知性を自らのものにする」とはどういう意味か？

Harrison Chase

2026 年 7 月 25 日

9 分

Harrison's In the Loop

Wiki Memory

ハリスン・チェイス

2026 年 6 月 30 日

4 分

エージェントが実際に何をしているかを確認する

エージェントエンジニアリングプラットフォームの LangSmith は、開発者がすべてのエージェントの意思決定をデバッグし、変更の評価を行い、ワンクリックでデプロイできるように支援します。