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 sayesinde 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 (DAG değil) 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 kullanılabilir.
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 sağlarken LangGraph daha fazla yapılandırma gerektirir. Üretim kullanımında LangGraph'ın çekiciliği şuradan kaynaklanır: deterministik akış kontrolü, hata yönetimi ve insan-döngüde entegrasyonu. LangSmith ile birleştirildiğinde her düğümün çalışma süresi, token kullanımı ve çıktısı izlenebilir. Pratik kullanım senaryoları arasında çok adımlı araştırma ajanları, kod yazma ve test döngüleri, belge işleme hatları ve müşteri hizmeti ajanları sayılabilir. 2025 itibarıyla LangGraph, kurumsal AI uygulama geliştirmede en yaygın kullanılan çerçevelerden biri hâline gelmiştir.
quiz Sık Sorulan Sorular
- 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 CrewAI ve AutoGen ile kıyaslama?: LangGraph düşük seviye kontrol sunar; akış grafiğini kendiniz tanımlarsınız. CrewAI yüksek soyutlama (rol-tabanlı ekip), AutoGen ise çoklu ajan mesajlaşmasına odaklanır.
- check_circle LangGraph Cloud nedir?: LangChain'in yönetilen çalışma ortamı; graph'ları deploy etmek, checkpoint yönetmek ve izlemek için API sunar. LangSmith ile entegredir.
- check_circle LangGraph nedir?: LangChain ekibinin geliştirdiği, çok adımlı ve durum bilgili AI ajan iş akışlarını yönlendirilmiş graf yapısıyla modelleyen Python kütüphanesidir. Döngüler, koşullu geçişler ve checkpoint destekler.
- check_circle LangGraph ile LangChain arasındaki fark nedir?: LangChain zincirleme ve araç entegrasyonu için genel bir çerçevedir. LangGraph ise durum bilgili, döngüsel ve karmaşık çok adımlı ajan akışları için özelleşmiş bir uzantısıdır.
- 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 LangChain Expression Language yeterlidir.
- check_circle LangGraph'ta checkpoint nasıl çalışır?: Her düğüm çalıştıktan sonra durum bellek deposuna (in-memory veya kalıcı SQLite/Redis) kaydedilir. İş akışı çökerse veya durdurulursa aynı checkpoint'ten yeniden başlatılabilir.