LangChain（ラングチェイン）
Harrison Chase 2022年発表の LLM アプリ開発フレームワーク。Python + JS・MIT・「LLM アプリ開発業界主流」.
概要
LangChain は 元 Robust Intelligence エンジニア Harrison Chase が2022年10月発表した LLM アプリ開発フレームワーク。Python + JavaScript/TypeScript 対応・MIT ライセンス + 完全無料・GPT-4 + Claude 3.5 + Gemini + Llama + 主要全 LLM 統合・LangGraph (Agent SDK) + LangSmith (観測 + デバッグ) + LangServe (デプロイ) で構成・「LLM アプリ開発業界主流フレームワーク 300K+ stars」。LangChain は2022-2026年 LLM アプリ開発業界主流フレームワークで、「Chain (LLM 連結) + Agent (自律実行) + RAG (Retrieval) + Memory (会話記憶) + Tools (外部統合)」でLLM アプリ開発デファクトスタンダード。LangChain の革新点: ① 「Chain」抽象化 でLLM + Prompt Template + Output Parser + Memory 連結を統一 API で記述 ② 多 LLM 対応 (OpenAI + Anthropic + Google + Meta Llama + Hugging Face + Cohere + 主要全 LLM ベンダ統合) ③ LangGraph (Agent SDK・2024年) でMulti-Agent + 状態管理 + 複雑なワークフロー ④ LangSmith (観測 + デバッグ) でLLM 呼び出し履歴 + プロンプト + レスポンス + コスト + レイテンシ追跡 ⑤ LangServe (デプロイ) でFastAPI ベース LLM アプリ自動 REST API 化。主要利用パターン: ① RAG (Retrieval-Augmented Generation) でVector DB (Chroma + Pinecone + Qdrant + Weaviate) + LLM 連携 ② チャットボット + AI アシスタント ③ データ分析 + 自然言語 SQL 生成 ④ AI Agent + Tool Use + Multi-Agent。
主な特徴・仕組み
- 発表: Harrison Chase (米国・元 Robust Intelligence エンジニア)・2022年10月
- ライセンス: MIT (完全無料・商用 OK)
- 対応言語: Python (主流) + JavaScript/TypeScript
- 対応 LLM: OpenAI (GPT-4 + GPT-4o) + Anthropic (Claude 3.5 + Opus) + Google (Gemini 2.0) + Meta (Llama 3) + Hugging Face + Cohere + Mistral + 主要全 LLM ベンダ
- 構成: LangChain (Core) + LangGraph (Agent SDK) + LangSmith (観測 + デバッグ + Trace) + LangServe (デプロイ)
- GitHub: 300K+ stars (Python) + 13K+ stars (JS)・業界主流
- 資金調達: 2024年 Series A $25M + 2024年 Series B $25M ($1.1B 評価額)
- 競合: LlamaIndex (35K+ stars・データ重視) + OpenAI Agents SDK (軽量) + CrewAI + Microsoft AutoGen + Haystack
スペック比較表
| LLM フレームワーク | スター数 | 提供 | 特徴 |
|---|---|---|---|
| LangChain | 300K+ (Python) | LangChain Inc. | LLM アプリ業界主流 + LangGraph + LangSmith |
| LlamaIndex | 35K+ | LlamaIndex Inc. | データ重視 + RAG 特化 |
| OpenAI Agents SDK | (新興) | OpenAI | 軽量 + OpenAI 公式 |
| CrewAI | 23K+ | CrewAI | Multi-Agent + Role 駆動 |
| Haystack (deepset) | 17K+ | deepset | RAG + 検索特化 |
具体例・対応製品
- LangChain (Python・PyPI・無料) :
pip install langchainで開始 - LangChain JS/TS (npm・無料) :
npm install @langchain/core - LangGraph (Agent SDK・無料) : Multi-Agent + 状態管理
- LangSmith (観測 + デバッグ・$50/月から) : 業界主流 LLM 観測サービス
- LangServe (デプロイ・無料) : FastAPI ベース 自動 REST API 化
自作PCでの選び方・注意点
LangChain は2026年現在 「LLM アプリ開発業界主流フレームワーク + 300K+ stars」。選び方: ① LLM アプリ開発主流 + 多 LLM + RAG + Agent + Memory ならLangChain ($0・MIT) ② データ重視 + RAG 特化 + Vector DB 統合 ならLlamaIndex ($0・MIT・35K+ stars) ③ OpenAI 主流 + 軽量 + Multi-Agent ならOpenAI Agents SDK ($0・MIT) ④ Multi-Agent + Role 駆動 + チーム連携 ならCrewAI ($0・MIT) ⑤ RAG + 検索特化 + 商用サポート ならHaystack (deepset・$0・MIT)。重要な注意: ① 2022年10月 Harrison Chase 発表 → 2026年現在 300K+ stars 業界主流フレームワーク ② Chain 抽象化 + Agent + RAG + Memory + Tools でLLM アプリ開発デファクトスタンダード ③ LangSmith (観測 + デバッグ・$50/月から) でLLM 呼び出し履歴 + プロンプト + レスポンス + コスト + レイテンシ追跡 業界主流 LLM 観測サービス ④ LangGraph (Agent SDK・2024年) でMulti-Agent + 状態管理 + 複雑なワークフロー でOpenAI Agents SDK + CrewAI 同水準 Multi-Agent システム ⑤ 学習コスト = 抽象化が複雑 + ドキュメント変動激しい (頻繁に Breaking Changes) で評判分かれる がLangChain v0.3 (2024年9月) で API 安定化。
関連用語との違い
- LlamaIndex: 競合・35K+ stars・データ重視 + RAG 特化。
- OpenAI Agents SDK: 競合・OpenAI 公式 + 軽量 + Multi-Agent。
- CrewAI: 競合・Multi-Agent + Role 駆動。
よくある質問（FAQ）
Q1: LangChain vs LlamaIndex？ A: LangChain (300K+ stars + LLM アプリ汎用フレームワーク + Agent + Chain + Tools) vs LlamaIndex (35K+ stars + データ重視 + RAG 特化 + Vector DB 統合)。汎用 LLM アプリ ならLangChain、RAG + データ重視 ならLlamaIndex。
Q2: 学習コスト高い？ A: 抽象化複雑 + ドキュメント変動激しい (頻繁に Breaking Changes) で評判分かれる。LangChain v0.3 (2024年9月) で API 安定化・初心者は OpenAI Agents SDK + CrewAI から始めて LangChain は本格利用時に推奨。
Q3: LangSmith 必要？ A: 必須ではないが本番運用 + デバッグ + コスト追跡には推奨。LangSmith $50/月から (Plus) + 無料枠あり (5K traces/月)・LangChain なしでも単体利用可能 + Trace + Eval + Dataset 機能。