LangGraph

 エージェントアーキテクチャの概要エージェントは、LLM（大規模言語モデル）を使用してアプリケーションの制御フローを決定するシステムとして定義されています[1]。これにより、固定的な制御フローではなく、より複雑な問題を解決するための柔軟なアプローチが可能になります。

 主要なアーキテクチャタイプルーター: LLMが指定されたオプションセットから単一のステップを選択できるようにします[1]。
ツール呼び出しエージェント: より複雑なアーキテクチャで、LLMに複数のステップにわたる意思決定と様々なツールの使用を可能にします[1]。

 ReActアーキテクチャReActは一般的な目的のエージェントアーキテクチャで、以下の3つの主要概念を統合しています[1]:

ツール呼び出し: LLMが必要に応じて様々なツールを選択し使用できるようにします。

メモリ: エージェントが以前のステップからの情報を保持し使用できるようにします。

プランニング: LLMが目標達成のための複数ステップの計画を作成し、それに従うことを可能にします。

 カスタムエージェントアーキテクチャLangGraphは、特定のタスクに最適化されたカスタムエージェントアーキテクチャを構築するための強力な機能を提供しています[1]:
ヒューマンインザループ: 人間の関与により、エージェントの信頼性を向上させます。
並列化: 複数のエージェントシステムや複雑なタスクの効率的な処理を可能にします。
サブグラフ: 複雑なエージェントアーキテクチャ、特にマルチエージェントシステムの管理に不可欠です。
リフレクション: タスクの完了と正確性を評価し、反復的な改善を可能にします。
これらの機能を活用することで、LangGraphは複雑なワークフローを処理し、効果的に協力し、継続的にパフォーマンスを向上させることができる洗練されたタスク特化型のエージェントアーキテクチャの作成を可能にします[1][2]。
Citations:

[1] https://langchain-ai.github.io/langgraph/concepts/agentic_concepts/

[2] https://langchain-ai.github.io/langgraph/concepts/agentic_concepts/
bibitto
pandas dataframe agentの中身