Интеграция LangGraph для графовых AI-агентов

При разработке сложных AI-агентов мы часто сталкиваемся с ситуацией, когда линейные цепочки LangChain Expression Language (LCEL) перестают быть эффективными. Когда требуется цикличная обработка, условные переходы в зависимости от результатов промежуточных шагов или прерывание для подтверждения человеком, LCEL не подходит. Именно для таких сценариев существует LangGraph — библиотека, расширяющая LangChain и позволяющая строить агентов в виде направленных графов с явным состоянием. Наш опыт внедрения LangGraph в production включает проекты для финтеха, логистики и юридических сервисов. Мы гарантируем отказоустойчивую архитектуру и полную документацию.

LangGraph реализует концепцию StateGraph, где каждый узел — это функция, а ребра — переходы. Состояние агента описывается TypedDict и может автоматически объединять сообщения. Это позволяет легко реализовывать циклы и мульти-агентные системы.

Почему для агентов нужен граф, а не цепочка?

Линейные цепочки LCEL хороши для простых пайплайнов: взяли вход, применили последовательность шагов, получили выход. Но в реальных агентных сценариях часто требуется вернуться к предыдущему шагу, запустить параллельные проверки или приостановить выполнение для ручного контроля. Графовая модель LangGraph решает эти проблемы естественным образом: циклы — это ребра, ведущие назад; параллелизм — несколько узлов, выполняющихся одновременно; human-in-the-loop — встроенные прерывания.

Базовая структура графа

from langgraph.graph import StateGraph, END
from langgraph.checkpoint.memory import MemorySaver
from langgraph.prebuilt import ToolNode
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage
from typing import TypedDict, Annotated
import operator

class AgentState(TypedDict):
    messages: Annotated[list, operator.add]  # Автоматически конкатенируются
    user_id: str
    iteration_count: int

llm = ChatOpenAI(model="gpt-4o")

def agent_node(state: AgentState) -> AgentState:
    response = llm.bind_tools(tools).invoke(state["messages"])
    return {"messages": [response], "iteration_count": state["iteration_count"] + 1}

def should_continue(state: AgentState) -> str:
    last_msg = state["messages"][-1]
    if last_msg.tool_calls:
        return "tools"
    return END

# Сборка графа
graph = StateGraph(AgentState)
graph.add_node("agent", agent_node)
graph.add_node("tools", ToolNode(tools))

graph.set_entry_point("agent")
graph.add_conditional_edges("agent", should_continue, {"tools": "tools", END: END})
graph.add_edge("tools", "agent")  # Цикл: после инструментов — снова к агенту

app = graph.compile(checkpointer=MemorySaver())

Персистентное состояние и прерывания

LangGraph поддерживает checkpoint-сохранение состояния между запусками и паузы для human approval:

from langgraph.checkpoint.postgres import PostgresSaver
from psycopg import Connection

# Persistence в PostgreSQL
conn = Connection.connect("postgresql://user:pass@localhost/langgraph_db")
checkpointer = PostgresSaver(conn)

# Interrupt: граф останавливается перед указанной нодой
app = graph.compile(
    checkpointer=checkpointer,
    interrupt_before=["execute_payment"],  # Требует человеческого подтверждения
)

config = {"configurable": {"thread_id": "order_12345"}}

# Запуск до точки прерывания
result = app.invoke({"messages": [HumanMessage("Оплати счёт на 50000 руб")]}, config)
# Граф остановился перед execute_payment

# После проверки человеком — продолжение
app.invoke(None, config)  # None = продолжить с текущего состояния

Multi-agent: Supervisor pattern

from langgraph.graph import StateGraph, END
from typing import Literal

class SupervisorState(TypedDict):
    messages: Annotated[list, operator.add]
    next_agent: str

AGENTS = ["researcher", "analyst", "writer"]

supervisor_prompt = f"""Ты — супервайзер мульти-агентной системы.
На основе запроса и текущего прогресса выбери следующего агента: {AGENTS}
Или верни FINISH если задача выполнена.
"""

def supervisor_node(state: SupervisorState):
    response = llm.with_structured_output(
        {"next": {"type": "string", "enum": AGENTS + ["FINISH"]}}
    ).invoke([{"role": "system", "content": supervisor_prompt}] + state["messages"])
    return {"next_agent": response["next"]}

def route_to_agent(state: SupervisorState) -> str:
    if state["next_agent"] == "FINISH":
        return END
    return state["next_agent"]

# Создаём агентов
def make_agent_node(name: str, system_prompt: str):
    agent_llm = ChatOpenAI(model="gpt-4o").bind_tools(get_tools_for(name))
    def node(state):
        result = agent_llm.invoke(
            [{"role": "system", "content": system_prompt}] + state["messages"]
        )
        return {"messages": [result]}
    return node

graph = StateGraph(SupervisorState)
graph.add_node("supervisor", supervisor_node)
graph.add_node("researcher", make_agent_node("researcher", "Исследуй тему и найди факты"))
graph.add_node("analyst", make_agent_node("analyst", "Анализируй данные и делай выводы"))
graph.add_node("writer", make_agent_node("writer", "Формулируй финальный ответ"))

graph.set_entry_point("supervisor")
graph.add_conditional_edges("supervisor", route_to_agent)
for agent in AGENTS:
    graph.add_edge(agent, "supervisor")

multi_agent = graph.compile()

Streaming и потоковый вывод

# Стриминг событий из графа
async for event in app.astream_events(
    {"messages": [HumanMessage("Проанализируй продажи за Q1")]},
    config={"configurable": {"thread_id": "analysis_001"}},
    version="v2",
):
    kind = event["event"]
    if kind == "on_chat_model_stream":
        print(event["data"]["chunk"].content, end="", flush=True)
    elif kind == "on_tool_start":
        print(f"\n[Вызов инструмента: {event['name']}]")
    elif kind == "on_tool_end":
        print(f"[Результат инструмента получен]")

Как вложенные графы упрощают модульность?

LangGraph поддерживает SubGraphs — вложенные графы. Вы можете определить граф для обработки документа, а затем включить его как обычную ноду в родительский граф. Это позволяет декомпозировать сложные системы на переиспользуемые компоненты.

# Подграф для обработки документа
doc_graph = StateGraph(DocumentState)
doc_graph.add_node("extract", extract_text)
doc_graph.add_node("classify", classify_document)
doc_graph.add_node("validate", validate_structure)
# ... построение подграфа

doc_subgraph = doc_graph.compile()

# Включаем подграф в родительский
main_graph = StateGraph(MainState)
main_graph.add_node("process_document", doc_subgraph)  # Подграф как нода
main_graph.add_node("send_result", send_to_crm)
main_graph.add_edge("process_document", "send_result")

Практический кейс: система проверки контракта (из нашей практики)

Задача: один из наших клиентов — юридический отдел крупной компании — получал 30–50 договоров ежедневно. Каждый договор требовал 1–2 часа работы юриста. Мы построили графового агента на LangGraph, который автоматизировал проверку.

Граф:

1. extract_node — парсинг PDF, извлечение структуры
2. classify_node — тип договора (поставка, услуги, аренда, NDA)
3. risk_check_node — параллельные проверки: финансовые условия, срок, ответственность
4. legal_rules_node — проверка против корпоративного списка запрещённых условий
5. human_review — interrupt для договоров с risk_score > 7
6. finalize_node — генерация заключения и рекомендаций

app = graph.compile(
    checkpointer=PostgresSaver(conn),
    interrupt_before=["human_review"],  # Пауза только для рискованных
)

Маршрутизация: низкий риск → автоматическое одобрение; высокий риск → пауза для юриста с готовым заключением агента.

Результаты:

• Время проверки стандартного договора: 90 мин → 8 мин
• Автоматическое одобрение без юриста: 61% договоров
• Пропущенных нестандартных условий: 0 (vs ~3% вручную при усталости)
• Нагрузка на юридический отдел: -58%

Сравнение LangGraph и LCEL

Компоненты LangGraph

Что входит в нашу работу по интеграции LangGraph

• Архитектурная сессия: анализ задачи, выбор топологии графа, определение точек human-in-the-loop.
• Разработка кода: реализация узлов, рёбер, состояния, интеграция с вашей LLM и инструментами.
• Настройка персистентности: PostgreSQL, Redis или SQLite для checkpoint'ов.
• Интеграция с окружением: деплой через Docker/Kubernetes, подключение мониторинга (LangSmith).
• Тестирование: юнит-тесты, нагрузочное тестирование с рекордом latency (p99).
• Документация: полное описание графа, API, руководство по эксплуатации.
• Обучение команды: воркшоп по LangGraph для ваших разработчиков.

Сроки ориентировочно

• Базовый ReAct-агент на LangGraph: от 3 до 5 дней.
• Мульти-агентная система с supervisor: от 2 до 3 недель.
• Human-in-the-loop workflow с persistence: от 1 до 2 недель.
• Интеграция в production с PostgreSQL checkpoint: +3–5 дней.

Стоимость рассчитывается индивидуально — мы оцениваем проект бесплатно за один рабочий день. Свяжитесь с нами для консультации: наши сертифицированные инженеры помогут подобрать архитектуру под вашу задачу. Закажите предварительную оценку, и мы подготовим коммерческое предложение с гарантией качества и прозрачными сроками.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.