Это продолжение статьиЧитать полностью »
Рубрика «langgraph»
Финансовый AI-агент на Python: MCP и CodeAct
2025-12-25 в 15:33, admin, рубрики: AI, codeact, LangChain, langgraph, llm, llm-приложения, MCP, mcptools, pythonLangGraph + Cursor CLI + MCP для автоматической генерации документации: кейс из BI-аналитики
2025-12-10 в 8:15, admin, рубрики: bi-аналитика, Cursor CLI, langgraph, MCP, olap, автоматизация документацииВведение (проблематика)
В типовом BI-проекте данные проходят некоторый путь от источника данных до аналитического отчёта:
Источник данных → ETL-процессы → DWH (витрины) → OLAP-cube → Меры
На выходе получаем множество мер — ключевых показателей бизнеса
вроде: "Выручка", "Средний чек", "Конверсия"; каждая из которых это результат
цепочки трансформаций данных через SQL-процедуры, представления
и DAX-формулы.
Когда в проекте более 200 мер, удержать все детали в голове сложно, и при вопросе пользователя: - "Откуда берётся значение в мере [Долг поставщика]?", разработчик вынужден:
Создаем мощного ИИ-агента с долговременной памятью, используя LangGraph, RAG и веб-скрапер
2025-11-15 в 9:56, admin, рубрики: AI, langgraph, rag ai, ИИ, ии-агенты, нейросети
От LangChain к LangGraph: детально разбираемся с фреймворками и всей Lang-экосистемой
2025-10-15 в 18:00, admin, рубрики: LangChain, langflow, langfuse, langgraph, LangSmith, llm, большие языковые модели, ии-агенты, ленгчейн, фреймворкиLangChain или LangGraph? Какой фреймворк для ии-агентов выбрать? А может быть LangSmith? Или LangFuse? LangFlow? Если вы сходу не отличаете все эти Lang между собой или просто хочется побольше узнать о внутренностях LangChain и LangGraph, то добро пожаловать в эту статью, которую мне хотелось сделать фундаментальной, чтобы ответить сразу на все возникающие вокруг LangChain вопросы.
Поговорим про архитектурные различия между LangChain и LangGraph, их подходы, посмотрим как это выглядит в коде, поищем лучшие точки применения и взглянем на сформированную экосистему вокруг.
Создание умных AI-агентов: полный курс по LangGraph от А до Я. Часть 3. Даём ИИ руки: работа с инструментами и MCP
2025-09-27 в 7:25, admin, рубрики: deepseek, LangChain, langgraph, langraph react agent, python, искусственные нейронные сети, искусственный интеллект, ПрограммированиеВ предыдущих частях мы создали умных агентов с памятью и мультимодельными системами. Но есть проблема — они всё ещё умные болтуны.
Критическое ограничение: агенты без рук
Наши агенты могут анализировать, классифицировать и синтезировать ответы, но НЕ МОГУТ:
-
Зайти в базу данных за информацией
-
Прочитать файл с диска
-
Сделать HTTP-запрос к API
-
Создать отчёт и сохранить его
-
Отправить email или выполнить git commit
Читать полностью »Создание умных AI-агентов: полный курс по LangGraph от А до Я. Часть 2. Диалоговые агенты: память, сообщения и контекст
2025-09-20 в 7:52, admin, рубрики: ai-агенты, chatgpt api, deepseek, GigaChat, LangChain, langgraph, pydantic, python, ии-агенты, нейросетиПредставьте себе AI-агента, который не просто выполняет изолированные задачи, а ведет осмысленный диалог, запоминает контекст разговора и принимает решения на основе накопленной информации.
Вместо простого:
-
Пользователь: "Сколько будет 2+2?"
-
Бот: "4"
Мы создадим агента, который может:
-
Пользователь: "Привет! Меня зовут Алексей, я работаю Python-разработчиком"
-
Агент: "Приятно познакомиться, Алексей! Как дела в мире Python? Над какими проектами сейчас работаешь?"
-
ПользовательЧитать полностью »
Создание умных AI-агентов: полный курс по LangGraph от А до Я. Часть 1. Архитектура: графы, узлы и состояния
2025-08-04 в 5:38, admin, рубрики: LangChain, langgraph, python, Python AI, state graph, ИИ, ии-агенты, ии-ассистент, искусственный интеллектПриветствую! Дошли руки для того, чтобы оформить свои знания по теме LangGraph и LangChain в оконченный мини-курс. Сейчас вы читаете первую часть из моей 4-х серийной работы. Как вы поняли из названия, говорить мы сегодня будем про LangGraph — инструмент, который произвёл настоящий фурор в мире энтузиастов по созданию полноценных ИИ-агентов на Python и JavaScript.
Сегодня мы начнём с самых основ, а именно:
-
Разберёмся, что такое LangGraph, и поймём, чем он так хорош
-
Разберёмся с основными «китами» этого инструмента: графы, узлы (ноды), рёбра и состояния
-
Научимся описывать свои графы на простых примерах
Как научить нейросеть работать руками: создание полноценного ИИ-агента с MCP и LangGraph за час
2025-07-22 в 5:04, admin, рубрики: LangChain, langgraph, local llm, MCP, mcp-server, Ollama, python, ИИ, ии-агенты, ии-ассистентДрузья, приветствую! Надеюсь, успели соскучиться.
Последние пару месяцев я с головой ушёл в исследование интеграции ИИ-агентов в собственные Python-проекты. В процессе накопилось немало практических знаний и наблюдений, которыми просто грех не поделиться. Поэтому сегодня я возвращаюсь на Хабр — с новой темой, свежим взглядом и с намерением писать чаще.
На повестке дня — LangGraph и MCP: инструменты, с помощью которых можно создавать действительно полезных ИИ-агентов.
Устройство Re-Act ИИ агента
2025-02-19 в 11:01, admin, рубрики: chatgpt, LangChain, langgraph, llm, OpenAI, python, агенты ии, искусственный интеллект, чат-ботЧто такое Re-Act? Re-Act (Reason + Act) – это парадигма, предлагающая объединить рассуждение и выполнение действий в работе языковой модели (ReAct: Synergizing Reasoning and Acting in Language Models).
В отличие от других подходов построения агентов, где модель либо только рассуждает, либо выполняет только действия, либо сразу выдаёт ответ, Re-Act заставляет модель чередовать логические рассуждения с вызовами пользовательских функций (или инструментов - Tools) Читать полностью »
Как LangChain и LangGraph упрощают жизнь разработчика ИИ-Агентов
2025-02-11 в 10:17, admin, рубрики: chatgpt, LangChain, langgraph, llm, OpenAI, python, агенты ии, чат-ботПри разработке приложений на основе больших языковых моделей (LLM, Large Language Model) встает вопрос: вызывать ли модель напрямую через API (например, OpenAI) или использовать специализированные фреймворки вроде LangChain или LangGraph. Ниже мы рассмотрим, с какими сложностями сталкивается разработчик при прямом использовании LLM, и как LangChain и LangGraph помогают упростить создание сложных диалоговых и агентных систем. Также приведем примеры кода, сравнивая прямые вызовы с использованием этих фреймворков, и обсудим, когда их применение оправдано.