Перейти к содержимому

LangChain

LangChain — не столько фреймворк для агентов, сколько слой интеграций: единый интерфейс к моделям, инструментам, загрузчикам, векторным хранилищам. Агентная оркестрация вынесена в LangGraph, а LangChain остаётся фундаментом под ней.

В сводной таблице LangChain отсутствует, хотя большинство примеров собраны на нём, а LangGraph используется в трёх. Это расхождение показательно — таблица описывает «фреймворки для агентов», а LangChain описывает «слой, на котором их собирают».

Именно поэтому LangChain нужен в матрице выбора: если вы берёте LangGraph, вы всё равно берёте LangChain.

  • Единый интерфейс к моделям. Один код работает с разными провайдерами; смена модели — замена объекта.
  • Инструменты и их схемы. Обёртки над API, поиском, базами, файлами.
  • Загрузчики документов. Единый способ читать PDF, HTML, таблицы, репозитории.
  • Цепочки. Композиция шагов, где выход одного — вход следующего.
  • Память и история. Готовые обёртки над списком сообщений.
  • Интеграции. Векторные хранилища, наблюдаемость, кэширование.
prompt = ChatPromptTemplate.from_messages([
("system", "Ты ревьюер кода. Отвечай по пунктам."),
("human", "{code}"),
])
chain = prompt | ChatOpenAI(model="gpt-4o")
result = chain.invoke({"code": source})

Такой «пайплайн» удобен для фиксированных шагов. Для динамического маршрута пайплайна не хватает — там появляется LangGraph.

  • Абстракция протекает. Сложные сценарии требуют знать внутренности, а не только публичный интерфейс.
  • Частые изменения. API развивается; примеры из статей расходятся с текущей версией. Фиксируйте версию и проверяйте документацию.
  • Соблазн строить агента из цепочек. Получается самописный оркестратор с ручной обработкой ошибок — лучше сразу взять LangGraph.
  • Вес зависимостей. Пакет тянет много интеграций; в лёгком сервисе это заметно.
  • Нужен единый доступ к моделям и инструментам.
  • Задача — фиксированный пайплайн шагов.
  • Нужны готовые загрузчики и интеграции.
  • Вы всё равно берёте LangGraph.
  • Нужен минимальный одиночный агент — берите Agno.
  • Основная задача — RAG — берите LlamaIndex.
  • Нужна команда ролей — берите CrewAI.
  • Нужен один вызов модели — SDK провайдера проще.