สรุปการเปิดตัว LangChain และ LangGraph 1.0

ประกาศเปิดตัวเวอร์ชัน 1.0 ซึ่งเป็นรุ่นเสถียรหลักครั้งแรกของ LangChain และ LangGraph โดย LangChain มอบ abstraction ระดับสูงสำหรับพัฒนา AI agent ได้อย่างรวดเร็ว ส่วน LangGraph เป็น runtime แบบกราฟที่รองรับ agent ระดับ production ที่ปรับแต่งได้ การเปิดตัวครั้งนี้เน้นความเสถียร และคาดว่าจะไม่มีการเปลี่ยนแปลงที่กระทบจนถึงเวอร์ชัน 2.0 เว็บไซต์เอกสารแบบรวม (https://docs.langchain.com/) ได้รับการออกแบบใหม่ และมีการใช้งานจริงในองค์กรขนาดใหญ่อย่าง Uber, LinkedIn และ Klarna ขณะนี้มียอดดาวน์โหลด 90 ล้านครั้งต่อเดือน

ประกาศสำคัญ

LangChain 1.0 และ LangGraph 1.0 เปิดตัวเป็นรุ่นเสถียรที่สะท้อนฟีดแบ็กจากชุมชน LangChain ปรับปรุง agent loop ให้ลงตัวขึ้น เพิ่มความสามารถในการปรับแต่งผ่าน middleware และอัปเกรดการผสานรวมโมเดลให้เหมาะกับประเภทคอนเทนต์สมัยใหม่ LangGraph มอบ runtime ที่ทนทานสำหรับ persistence ของ agent ที่ทำงานระยะยาว รวมถึง observability และการควบคุม human-in-the-loop รองรับทั้ง Python และ JavaScript พร้อมรับประกัน backward compatibility

LangChain 1.0: ฟีเจอร์ใหม่และสิ่งที่ปรับปรุง

LangChain 1.0 แก้ปัญหา abstraction ที่หนักเกินไปและปัญหาขอบเขตของแพ็กเกจ ทำให้การพัฒนา agent เรียบง่ายขึ้น จุดโฟกัสหลักคือ abstraction create_agent, standard content blocks และการทำให้แพ็กเกจเรียบง่ายขึ้น

create_agent abstraction

เป็นฟังก์ชันหลักที่ช่วยให้สร้าง agent ได้รวดเร็วโดยไม่ขึ้นกับผู้ให้บริการโมเดล และอาศัย LangGraph เพื่อให้การทำงานมีเสถียรภาพ agent loop มาตรฐานมีดังนี้:

• การตั้งค่า: เลือกโมเดล, เตรียมเครื่องมือ, กำหนดพรอมป์ต์
• ลูปการทำงาน:
  1. ส่งคำขอไปยังโมเดล
  2. โมเดลตอบกลับ: หากมีการเรียกใช้เครื่องมือก็ให้รันแล้วเพิ่มผลกลับเข้าไปในบทสนทนา หากเป็นคำตอบสุดท้ายก็ส่งคืนผลลัพธ์
  3. ทำซ้ำขั้นตอนที่ 1

โค้ดตัวอย่าง:

from langchain.agents import create_agent  
  
weather_agent = create_agent(  
    model="openai:gpt-5",  
    tools=[get_weather],  
    system_prompt="Help the user by fetching the weather in their city.",  
)  
  
result = agent.invoke({"role": "user", "what's the weather in SF?"})  

Middleware: สามารถเพิ่ม hook ในหลายจุดของ agent loop (เช่น ก่อน/หลังเรียกโมเดล, ระหว่างรันเครื่องมือ) เพื่อการปรับแต่ง โดยมี middleware ที่มีมาให้ ได้แก่:

• Human-in-the-loop: หยุดเพื่อให้ผู้ใช้อนุมัติ/แก้ไข/ปฏิเสธเมื่อมีการเรียกใช้เครื่องมือ เหมาะกับการโต้ตอบที่อ่อนไหว เช่น การเข้าถึงระบบภายนอกหรือธุรกรรม
• Summarization: บีบอัดประวัติข้อความเพื่อหลีกเลี่ยงข้อจำกัดของ context พร้อมเก็บข้อความล่าสุดไว้
• PII Redaction: ระบุและปกปิดข้อมูลอ่อนไหว เช่น อีเมลและหมายเลขโทรศัพท์ เพื่อให้เป็นไปตามข้อกำหนดด้านความเป็นส่วนตัว

รองรับ middleware แบบกำหนดเองด้วย

การสร้าง structured output: ผสานอยู่ใน agent loop เพื่อลด latency และต้นทุน สามารถควบคุม output ด้วย Pydantic model เป็นต้น ตัวอย่าง:

from langchain.agents import create_agent  
from langchain.agents.structured_output import ToolStrategy  
from pydantic import BaseModel  
  
class WeatherReport(BaseModel):  
    temperature: float    
    condition: str  
  
agent = create_agent(  
    "openai:gpt-4o-mini",  
    tools=[weather_tool],  
    response_format=ToolStrategy(WeatherReport),  
    prompt="Help the user by fetching the weather in their city.",  
)  

create_react_agent เดิมถูก deprecated ใน langgraph.prebuilt ของ LangGraph แล้ว

standard content blocks

เป็นฟีเจอร์ที่ promote มาจาก langchain-core 1.0 โดยให้สเปกของ output โมเดลที่เป็นกลางต่อผู้ให้บริการ ผ่านพร็อพเพอร์ตี .content_blocks ของข้อความ จึงจัดการประเภทคอนเทนต์อย่างร่องรอยการให้เหตุผล, citation และการเรียกใช้เครื่องมือได้อย่างสม่ำเสมอ ช่วยให้สลับโมเดลระหว่าง OpenAI, Anthropic และรายอื่น ๆ ได้ง่าย และยังเข้ากันได้กับ streaming, UI และ memory store

การทำให้แพ็กเกจเรียบง่ายขึ้น

คงไว้เฉพาะ abstraction หลัก ส่วนฟีเจอร์ legacy ถูกย้ายไปที่ langchain-classic ยุติการรองรับ Python 3.9 (ต้องใช้ 3.10+) การติดตั้ง: uv pip install --upgrade langchain และ langchain-classic คู่มือย้ายระบบ: https://docs.langchain.com/oss/python/releases/langchain-v1.

LangGraph 1.0: ฟีเจอร์ใหม่และสิ่งที่ปรับปรุง

LangGraph 1.0 เป็นเฟรมเวิร์กระดับล่างสำหรับ agent ที่ปรับแต่งได้สูง เหมาะกับระบบที่ทำงานยาวนานในสภาพแวดล้อม production โดยใช้โมเดลการรันแบบกราฟ

ความสามารถหลัก

• Durable State: เก็บสถานะการทำงานของ agent อย่างต่อเนื่องโดยอัตโนมัติ และกลับมาทำงานต่อได้เมื่อเซิร์ฟเวอร์รีสตาร์ต
• Persistence ในตัว: บันทึก/ทำงานต่อ workflow ได้โดยไม่ต้องเขียนโค้ดฐานข้อมูล รองรับทั้งกระบวนการหลายวันหรือแบ็กกราวด์งาน
• รูปแบบ human-in-the-loop: รองรับ API สำหรับหยุดการทำงานเพื่อให้มนุษย์ตรวจสอบ/แก้ไข/อนุมัติ เหมาะกับสถานการณ์ที่มีความเสี่ยงสูง

โมดูล langgraph.prebuilt ถูกย้ายไปยัง langchain.agents การติดตั้ง: uv pip install --upgrade langgraph การย้ายระบบ: ยังคงความเข้ากันได้ไว้

อธิบายแนวคิด: stateful agents, multi-agent workflows และการผสานรวมกับ LangChain

Stateful Agents

รักษาสถานะต่อเนื่องระหว่างการโต้ตอบ โดย runtime ของ LangGraph จะเก็บประวัติการสนทนา, ผลลัพธ์จากเครื่องมือ และความคืบหน้าของ workflow ใน LangChain 1.0 สามารถจัดการข้อจำกัดของ context ได้ด้วย middleware สำหรับการสรุป เหมาะกับ workflow หลายเซสชัน (เช่น กระบวนการอนุมัติที่กินเวลาหลายวัน)

Multi-Agent Workflows

ใช้โมเดลกราฟของ LangGraph ในการประกอบระบบหลาย agent ผสมทั้ง deterministic nodes (ตรรกะคงที่) และคอมโพเนนต์ agent (การตัดสินใจที่อิง LLM) พร้อมการกำกับดูแลแบบ human-in-the-loop สามารถฝัง LangChain agent เป็นโหนดในกราฟเพื่อขยายระบบได้ เหมาะกับงานอัตโนมัติทางธุรกิจ เช่น การค้นหาข้อมูล การวิเคราะห์ และการอนุมัติ

การผสานรวมกับ LangChain

LangChain เป็น abstraction ระดับสูงที่ทำงานบน runtime ของ LangGraph ทำให้ agent มีความทนทาน และสามารถค่อย ๆ พัฒนาไปเป็นระบบซับซ้อนผ่านการประกอบกราฟ ช่วยหลีกเลี่ยง vendor lock-in วิดีโอรายละเอียดเชิงวิศวกรรม: https://youtu.be/r5Z_gYZb4Ns.

กรณีใช้งาน

• LangChain 1.0: การทำต้นแบบอย่างรวดเร็วสำหรับแพตเทิร์นมาตรฐาน เช่น คำถามสภาพอากาศหรือผู้ช่วยที่ขับเคลื่อนด้วยเครื่องมือ ใช้ middleware เพื่อสร้างแชตบอตที่ปกป้องความเป็นส่วนตัว หรือ agent ธุรกรรมที่ต้องมีการอนุมัติจากมนุษย์
• LangGraph 1.0: ระบบอัตโนมัติระยะยาว (การอนุมัติหลายวัน), การกำกับดูแลโดยมนุษย์ใน workflow ที่อ่อนไหว, ระบบไฮบริด (agent + deterministic logic) รวมถึงกระบวนการระดับองค์กรของ Uber หรือ Klarna
• การใช้งานร่วมกัน: เริ่มจาก LangChain แล้วขยายต่อด้วย LangGraph เพื่อสร้างระบบอัตโนมัติทางธุรกิจแบบ multi-agent

เอกสารและทรัพยากร

เว็บไซต์เอกสารแบบรวม (https://docs.langchain.com/) มีการนำทางที่ใช้งานง่าย คู่มือ บทช่วยสอน และเอกสารอ้างอิง API ฟีดแบ็กจากชุมชน: ฟอรัม LangChain (https://forum.langchain.com/) และสามารถสมัครรับจดหมายข่าวได้

[girr311]

โอ้ 1.0 ออกมาแล้วสินะ

[aer0700]

ตั้งแต่ 1.0 เป็นต้นไป API จะเสถียรขึ้นสักทีไหมนะ...
หวังว่าคงจะไม่รีบออก 2.0 ตามมาติด ๆ จนต้องมานั่งคุ้ย migration guide กันอีกนะครับ
ตัว LangChain เองผมไม่ได้มีปัญหากับฟีเจอร์ของมัน แต่การทำลาย backward compatibility นี่ทำให้กังวลและยุ่งยากอยู่เสมอ

[brainer]

อืม.. ฝั่ง AI นี่แค่เขียนใหม่ตั้งแต่ต้นก็สะดวกกว่าอยู่แล้ว เรื่องนั้นก็พอเข้าใจได้ แต่สิ่งที่ไม่พอใจที่สุดคือ LLM ยังไม่รู้ไวยากรณ์ล่าสุดได้ดีพอนี่แหละ 555 (แม้จะพอแก้ได้ระดับหนึ่งถ้าใช้พวก MCP ก็ตาม)