スポンサーリンク
書籍情報
「Kindleで読み放題」 および 「オーディブルで聴ける」 対象作品は時期によって変わる場合がございます。
LangChainとLangGraphによるRAG・AIエージェント［実践］入門 エンジニア選書
あらすじ
本書では、OpenAIによるAIサービスを利用するためのOpenAI API、オープンソースのLLMアプリ開発ライブラリLangChain を使って、LLM（大規模言語モデル）を活用したRAG（検索拡張生成）アプリケーション、そしてAIエージェントシステムを開発するための実践的な知識を基礎からわかりやすく解説します。
OpenAI のチャットAPI、プロンプトエンジニアリング、LangChainの基礎知識 について解説したあと、RAGの実践的手法や評価のハンズオンを行います。今後の生成AIシステム開発で重要となるAIエージェント開発はLangGraphを使って行い、さらにAIエージェントのデザインパターンと、パターン別のAIエージェントハンズオンまで解説します。
OpenAIのAPIとフレームワークLangChainを学ぶことで、LLMの性質を活かしたサービスや業務システムを構築するのに必要な知識体系を習得し、業界地図を頭に描くことができるようになります。
（こんな方におすすめ）
・LLMによる本格的な業務アプリ開発に取り組みたい方
・RAGアプリケーション開発の実践的な知識を習得したい方
・AIエージェントシステム開発に取り組みたい方
（目次）
第1章 LLMアプリケーション開発の基礎
1.1 活用され始めた生成AI
1.2 Copilot vs AIエージェント
1.3 すべてはAIエージェントになる
1.4 AIエージェントの知識地図
1.5 まとめ
第2章 OpenAIのチャットAPIの基礎
2.1 OpenAIのチャットモデル
2.2 OpenAIのチャットAPIの基本
2.3 入出力の長さの制限や料金に影響する「トークン」
2.4 Chat Completions APIを試す環境の準備
2.5 Chat Completions APIのハンズオン
2.6 Function calling
2.7 まとめ
第3章 プロンプトエンジニアリング
3.1 プロンプトエンジニアリングの必要性
3.2 プロンプトエンジニアリングとは
3.3 プロンプトの構成要素の基本
3.4 プロンプトエンジニアリングの定番の手法
3.5 まとめ
第4章 LangChainの基礎
4.1 LangChainの概要
4.2 LLM/Chat model
4.3 Prompt template
4.4 Output parser
4.5 Chain―LangChain Expression Language（LCEL）の概要
4.6 LangChainのRAGに関するコンポーネント
4.7 まとめ
第5章 LangChain Expression Language（LCEL）徹底解説
5.1 RunnableとRunnableSequence―LCELの最も基本的な構成要素
5.2 RunnableLambda―任意の関数をRunnableにする
5.3 RunnableParallel―複数のRunnableを並列につなげる
5.4 RunnablePassthrough―入力をそのまま出力する
5.5 まとめ
第6章 Advanced RAG
6.1 Advanced RAGの概要
6.2 ハンズオンの準備
6.3 検索クエリの工夫
6.4 検索後の工夫
6.5 複数のRetrieverを使う工夫
6.6 まとめ
第7章 LangSmithを使ったRAGアプリケーションの評価
7.1 第7章で取り組む評価の概要
7.2 LangSmithの概要
7.3 LangSmithとRagasを使ったオフライン評価の構成例
7.4 Ragasによる合成テストデータの生成
7.5 LangSmithとRagasを使ったオフライン評価の実装
7.6 LangSmithを使ったフィードバックの収集
7.7 フィードバックの活用のための自動処理
7.8 まとめ
第8章 AIエージェントとは
8.1 AIエージェントのためのLLM活用の期待
8.2 AIエージェントの起源とLLMを使ったAIエージェントの変遷
8.3 汎用LLMエージェントのフレームワーク
8.4 マルチエージェント・アプローチ
8.5 AIエージェントが安全に普及するために
8.6 まとめ
第9章 LangGraphで作るAIエージェント実践入門
9.1 LangGraphの概要
9.2 LangGraphの主要コンポーネント
9.3 ハンズオン：Q&Aアプリケーション
9.4 チェックポイント機能：ステートの永続化と再開
9.5 まとめ
第10 章 要件定義書生成AIエージェントの開発
10.1 要件定義書生成AIエージェントの概要
10.2 環境設定
10.3 データ構造の定義
10.4 主要コンポーネントの実装
10.5 ワークフロー構築
10.6 エージェントの実行と結果の確認
10.7 全体のソースコード
10.8 まとめ
第11章 エージェントデザインパターン
11.1 エージェントデザインパターンの概要
11.2 18のエージェントデザインパターン
11.3 まとめ
第12 章 LangChain/LangGraphで実装するエージェントデザインパターン
12.1 本章で扱うエージェントデザインパターン
12.2 環境設定
12.3 パッシブゴールクリエイター（Passive Goal Creator）
12.4 プロンプト／レスポンス最適化（Prompt/Response Optimizer）
12.5 シングルパスプランジェネレーター（Single-Path Plan Generator）
12.6 マルチパスプランジェネレーター（Multi-Path Plan Generator）
12.7 セルフリフレクション（Self-Reflection）
12.8 クロスリフレクション（Cross-Reflection）
12.9 役割ベースの協調（Role-Based Cooperation）
12.10 まとめ
付録 各種サービスのサインアップと第12章の各パターンの実装コード
A.1 各種サービスのサインアップ
A.2 第12章の各パターンの実装コード
OpenAI のチャットAPI、プロンプトエンジニアリング、LangChainの基礎知識 について解説したあと、RAGの実践的手法や評価のハンズオンを行います。今後の生成AIシステム開発で重要となるAIエージェント開発はLangGraphを使って行い、さらにAIエージェントのデザインパターンと、パターン別のAIエージェントハンズオンまで解説します。
OpenAIのAPIとフレームワークLangChainを学ぶことで、LLMの性質を活かしたサービスや業務システムを構築するのに必要な知識体系を習得し、業界地図を頭に描くことができるようになります。
（こんな方におすすめ）
・LLMによる本格的な業務アプリ開発に取り組みたい方
・RAGアプリケーション開発の実践的な知識を習得したい方
・AIエージェントシステム開発に取り組みたい方
（目次）
第1章 LLMアプリケーション開発の基礎
1.1 活用され始めた生成AI
1.2 Copilot vs AIエージェント
1.3 すべてはAIエージェントになる
1.4 AIエージェントの知識地図
1.5 まとめ
第2章 OpenAIのチャットAPIの基礎
2.1 OpenAIのチャットモデル
2.2 OpenAIのチャットAPIの基本
2.3 入出力の長さの制限や料金に影響する「トークン」
2.4 Chat Completions APIを試す環境の準備
2.5 Chat Completions APIのハンズオン
2.6 Function calling
2.7 まとめ
第3章 プロンプトエンジニアリング
3.1 プロンプトエンジニアリングの必要性
3.2 プロンプトエンジニアリングとは
3.3 プロンプトの構成要素の基本
3.4 プロンプトエンジニアリングの定番の手法
3.5 まとめ
第4章 LangChainの基礎
4.1 LangChainの概要
4.2 LLM/Chat model
4.3 Prompt template
4.4 Output parser
4.5 Chain―LangChain Expression Language（LCEL）の概要
4.6 LangChainのRAGに関するコンポーネント
4.7 まとめ
第5章 LangChain Expression Language（LCEL）徹底解説
5.1 RunnableとRunnableSequence―LCELの最も基本的な構成要素
5.2 RunnableLambda―任意の関数をRunnableにする
5.3 RunnableParallel―複数のRunnableを並列につなげる
5.4 RunnablePassthrough―入力をそのまま出力する
5.5 まとめ
第6章 Advanced RAG
6.1 Advanced RAGの概要
6.2 ハンズオンの準備
6.3 検索クエリの工夫
6.4 検索後の工夫
6.5 複数のRetrieverを使う工夫
6.6 まとめ
第7章 LangSmithを使ったRAGアプリケーションの評価
7.1 第7章で取り組む評価の概要
7.2 LangSmithの概要
7.3 LangSmithとRagasを使ったオフライン評価の構成例
7.4 Ragasによる合成テストデータの生成
7.5 LangSmithとRagasを使ったオフライン評価の実装
7.6 LangSmithを使ったフィードバックの収集
7.7 フィードバックの活用のための自動処理
7.8 まとめ
第8章 AIエージェントとは
8.1 AIエージェントのためのLLM活用の期待
8.2 AIエージェントの起源とLLMを使ったAIエージェントの変遷
8.3 汎用LLMエージェントのフレームワーク
8.4 マルチエージェント・アプローチ
8.5 AIエージェントが安全に普及するために
8.6 まとめ
第9章 LangGraphで作るAIエージェント実践入門
9.1 LangGraphの概要
9.2 LangGraphの主要コンポーネント
9.3 ハンズオン：Q&Aアプリケーション
9.4 チェックポイント機能：ステートの永続化と再開
9.5 まとめ
第10 章 要件定義書生成AIエージェントの開発
10.1 要件定義書生成AIエージェントの概要
10.2 環境設定
10.3 データ構造の定義
10.4 主要コンポーネントの実装
10.5 ワークフロー構築
10.6 エージェントの実行と結果の確認
10.7 全体のソースコード
10.8 まとめ
第11章 エージェントデザインパターン
11.1 エージェントデザインパターンの概要
11.2 18のエージェントデザインパターン
11.3 まとめ
第12 章 LangChain/LangGraphで実装するエージェントデザインパターン
12.1 本章で扱うエージェントデザインパターン
12.2 環境設定
12.3 パッシブゴールクリエイター（Passive Goal Creator）
12.4 プロンプト／レスポンス最適化（Prompt/Response Optimizer）
12.5 シングルパスプランジェネレーター（Single-Path Plan Generator）
12.6 マルチパスプランジェネレーター（Multi-Path Plan Generator）
12.7 セルフリフレクション（Self-Reflection）
12.8 クロスリフレクション（Cross-Reflection）
12.9 役割ベースの協調（Role-Based Cooperation）
12.10 まとめ
付録 各種サービスのサインアップと第12章の各パターンの実装コード
A.1 各種サービスのサインアップ
A.2 第12章の各パターンの実装コード
