LangGraph

#LangGraph #LangChain #AIAjanlar #MultiAgent

Döngüsel, durum bilgili AI ajan iş akışlarını graf yapısıyla modelleyen LangChain çerçevesi.

LangGraph, Harrison Chase liderliğindeki LangChain ekibinin 2024 yılı başında açık kaynak olarak yayımladığı bir Python/TypeScript çerçevesidir. Çok adımlı ve durum bilgili (stateful) AI ajan iş akışlarını yönlendirilmiş graflar (directed graphs) olarak modellemek için tasarlanmıştır. GitHub deposu hızla 10.000'in üzerinde yıldız kazanarak yapay zeka mühendisleri arasındaki popülerliğini kanıtlamıştır. Geleneksel LangChain zincirleri (LCEL) doğrusal akışlar için yeterliyken, LangGraph döngüsel mantık, koşullu dallanma ve geri dönüş (retry) gibi karmaşık ajan davranışlarını doğal biçimde ifade eder. Temel abstraksiyon StateGraph'tır: geliştiriciler paylaşılan bir durum nesnesi (TypedDict veya Pydantic model) tanımlar; her düğüm (node) bu durumu okuyup güncelleyen Python fonksiyonları veya LLM çağrılarından oluşur; kenarlar (edges) ise düğümler arası koşullu geçişleri belirler. LangGraph'ı üretimde güçlü kılan üç temel özellik öne çıkar. Birincisi, Checkpoint/Persistence mekanizması: her adımda durum SQLite, Redis veya özel bir depoya kaydedilir; uzun süren ajan oturumları çökmeden kurtarılabilir ve kaldığı yerden devam edebilir. İkincisi, Human-in-the-Loop (HITL) desteği: interrupt mekanizmasıyla hassas adımlarda insan onayı ya da düzenleme zorunlu kılınır; bu özellik otomasyon hataları için kritik bir güvenlik ağı görevi görür. Üçüncüsü, paralel düğüm çalıştırma: bağımsız görevler eş zamanlı yürütülerek toplam gecikme önemli ölçüde azaltılır. LangGraph'ın ekosistemi hızla genişlemiştir. LangSmith entegrasyonu her düğümün token kullanımı, gecikme süresi ve ara çıktılarını görselleştirmeyi mümkün kılar; üretim ortamında gözlemlenebilirlik için vazgeçilmez bir araçtır. LangGraph Platform ise graph'ları yönetilen bir ortamda deploy etmek, checkpoint'leri yönetmek ve REST API üzerinden erişmek için resmi servistir. Yerel geliştirmede SQLite ile hızlı prototipleme yapılırken, ölçekli ortamlarda Redis veya PostgreSQL tabanlı depolar tercih edilir. Rekabetçi ortamda LangGraph, AutoGen'in çok-ajan mesajlaşma modeline, CrewAI'nin yüksek soyutlamalı rol tabanlı ekip yapısına ve LlamaIndex Workflows'a göre daha düşük seviyeli ama daha esnek bir kontrol sunar. 2025 itibarıyla kurumsal AI geliştirmede araştırma ajanları, belge işleme hatları ve müşteri hizmeti otomasyonu için standart çerçeve hâline gelmiştir.

account_tree LangGraph'ta Temel Kavramlar

LangGraph'ta bir iş akışı üç bileşenden oluşur: State (paylaşılan durum objesi — TypedDict veya Pydantic), Nodes (her düğüm bir Python fonksiyonu veya LLM çağrısı), Edges (düğümler arası geçişler; koşullu olabilir). StateGraph ile başlayan tanım, compile() ile çalıştırılabilir bir Runnable'a dönüşür. Checkpointing ile uzun ajan oturumları duraklayıp devam edebilir.

LangGraph ile Neler Yapılır?

manage_search Çok Adımlı Araştırma Ajanı

Web arama → analiz → özetleme döngüsünü human-in-the-loop onayıyla yönetir. Her adım bir düğüm, onay kapısı ise koşullu kenar olur.

call_split Paralel Alt Görevler

Birden fazla düğüm eş zamanlı çalışır; sonuçlar birleştirme düğümünde toplanır. Kod yazma + test etme gibi bağımsız görevleri hızlandırır.

restart_alt Hata Kurtarma

Hata oluşunca graph farklı bir daldan devam eder ya da retry mekanizması devreye girer. Klasik zincirlerde bu tür akışlar elle kodlanır.

LangGraph'ın Temel Kavramları

  • check_circle Durum Grafı (State Graph): İş akışını yönlendirilmiş döngülü graf olarak modeller; düğümler (nodes) mantıksal adımları, kenarlar (edges) geçişleri tanımlar.
  • check_circle Durum Yönetimi (State Management): Her düğüm ortak bir durum nesnesini okur ve günceller. TypedDict veya Pydantic modeli ile tip güvenlikli durum tanımı mümkündür.
  • check_circle Koşullu Kenarlar (Conditional Edges): Durum değerine göre hangi düğümün çalışacağını belirleyen dinamik yönlendirme. Döngüler, yeniden deneme ve karar dallanması bu mekanizmayla sağlanır.
  • check_circle Checkpoint / Persistence: Her adımdan sonra durumun kalıcı hale getirilmesi. Uzun süreli iş akışlarında çökme sonrası kaldığı yerden devam etmeyi sağlar.
  • check_circle İnsan-Döngüde (Human-in-the-Loop): İnsan onayı veya düzenleme gerektiren adımlar için interrupt mekanizması. Hassas otomasyon senaryolarında kritik güvenlik katmanı.
  • check_circle Paralel Düğümler: Birden fazla ajan veya araç çağrısını aynı anda çalıştırma. Karmaşık araştırma veya çok kaynaklı veri toplama iş akışlarında verimlilik sağlar.
  • check_circle LangChain Entegrasyonu: LangChain'in araçları, bellek sistemleri ve model entegrasyonlarıyla sorunsuz çalışır; mevcut LangChain bileşenlerini yeniden kullanmak mümkündür.

LangGraph ve Rakip Çerçevelerle Karşılaştırma

LangGraph, ajan iş akışı çerçeveleri arasında durum bilgili (stateful) ve döngüsel akışlara verdiği güçlü desteğiyle öne çıkar. AutoGen çok-ajan konuşma sistemlerine odaklanırken LangGraph daha düşük seviyeli kontrol sunar; karmaşık akış mantığı, koşullu yönlendirme ve checkpoint gerektiren senaryolarda tercih edilir. CrewAI rol tabanlı ajan ekiplerini kolayca tanımlamayı kolaylaştırırken LangGraph daha fazla yapılandırma gerektirir. Üretim kullanımında LangGraph'ın çekiciliği deterministik akış kontrolü, hata yönetimi ve insan-döngüde entegrasyonundan kaynaklanır. Pratik kullanım senaryoları arasında çok adımlı araştırma ajanları, kod yazma ve test döngüleri, belge işleme hatları ve müşteri hizmeti ajanları sayılabilir.

LangGraph'ta Üretim Dağıtımı ve İzleme

  • check_circle LangSmith Entegrasyonu: Her düğüm çalıştığında token kullanımı, gecikme süresi ve ara çıktılar otomatik kaydedilir; run bazında adım bazında hata ayıklama mümkündür.
  • check_circle LangGraph Platform: Graph'ları yönetilen bulut ortamında deploy etmek, checkpoint'leri saklamak ve REST API üzerinden dışarıya açmak için resmi LangChain servisidir.
  • check_circle Yerel Geliştirme ve Ölçeklendirme: Geliştirme ortamında SQLite ile hızlı prototipleme yapılır; üretimde Redis veya PostgreSQL tabanlı checkpoint depolarıyla yüksek ölçeklenebilirlik elde edilir.
  • check_circle Güvenlik ve İzolasyon: Kullanıcı oturumu izolasyonu, API token yönetimi ve thread-level checkpoint desteği; kurumsal güvenlik ve audit trail gereksinimlerini karşılamak için kritik bileşenler.

quiz Sık Sorulan Sorular

  • check_circle LangGraph nedir?: LangChain ekibinin geliştirdiği, çok adımlı ve durum bilgili AI ajan iş akışlarını yönlendirilmiş graf yapısıyla modelleyen Python/TypeScript kütüphanesidir. Döngüler, koşullu geçişler ve checkpoint desteği sunar.
  • check_circle LangChain ile farkı nedir?: LangChain sıralı zincirler (LCEL) için uygundur. LangGraph döngüsel ve koşullu ajan akışları için tasarlanmıştır; her ikisi birlikte kullanılabilir.
  • check_circle LangGraph'ı ne zaman kullanmalıyım?: Döngü, koşullu dallanma, hata sonrası yeniden deneme veya insan onayı gerektiren ajan iş akışları için LangGraph uygundur. Basit sıralı zincirler için LCEL yeterlidir.
  • check_circle LangGraph'ta checkpoint nasıl çalışır?: Her düğüm çalıştıktan sonra durum bellek deposuna (in-memory, SQLite veya Redis) kaydedilir. İş akışı çökerse veya durdurulursa aynı checkpoint'ten yeniden başlatılabilir.
  • check_circle LangGraph Cloud nedir?: LangChain'in yönetilen çalışma ortamı; graph'ları deploy etmek, checkpoint yönetmek ve izlemek için API sunar. LangSmith ile entegredir.