Інтеграція LangGraph для графових AI-агентів

Під час розробки складних production-grade AI-агентів ми часто стикаємося з ситуацією, коли лінійні ланцюжки LangChain Expression Language (LCEL) перестають бути ефективними. Коли потрібна циклічна обробка, умовні переходи залежно від результатів проміжних кроків або переривання для підтвердження людиною, LCEL не підходить. Саме для таких сценаріїв існує LangGraph — бібліотека, що розширює LangChain і дозволяє будувати агентів у вигляді спрямованих графів із явним станом (state machine). Наш досвід впровадження LangGraph у production включає проекти для фінтеху, логістики та юридичних сервісів. Ми гарантуємо відмовостійку архітектуру та повну документацію. На сьогодні реалізовано понад 50 успішних проектів із впровадження LangGraph.

LangGraph реалізує концепцію StateGraph, де кожен вузол — це функція, а ребра — переходи. Стан агента описується TypedDict і може автоматично об'єднувати повідомлення. Це дозволяє легко реалізовувати цикли та мульти-агентні системи.

Чому для агентів потрібен граф, а не ланцюжок?

Лінійні ланцюжки LCEL гарні для простих пайплайнів: взяли вхід, застосували послідовність кроків, отримали вихід. Але в реальних агентних сценаріях часто потрібно повернутися до попереднього кроку, запустити паралельні перевірки або призупинити виконання для ручного контролю. Графова модель LangGraph вирішує ці проблеми природним чином: цикли — це ребра, що ведуть назад; паралелізм — кілька вузлів, що виконуються одночасно; human-in-the-loop — вбудовані переривання.

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]  # Автоматично конкатенуються
    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

# Складання 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: після інструментів — знову до агента

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

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

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

# Interrupt: граф зупиняється перед зазначеним вузлом
app = graph.compile(
    checkpointer=checkpointer,
    interrupt_before=["execute_payment"],  # Вимагає людського підтвердження
)

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

# Запуск до точки переривання
result = app.invoke({"messages": [HumanMessage("Оплати рахунок на 50000 грн")]}, config)
# Граф зупинився перед execute_payment

# Після перевірки людиною — продовження
app.invoke(None, config)  # None = продовжити з поточного стану

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"""Ти — супервайзер мульти-агентної системи.
На основі запиту та поточного прогресу вибери наступного агента: {AGENTS}
Або поверни FINISH якщо завдання виконано.
"""

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"]

# Створюємо агентів
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", "Досліди тему та знайди факти"))
graph.add_node("analyst", make_agent_node("analyst", "Аналізуй дані та роби висновки"))
graph.add_node("writer", make_agent_node("writer", "Формулюй фінальну відповідь"))

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()

# Стримінг подій з графа
async for event in app.astream_events(
    {"messages": [HumanMessage("Проаналізуй продажі 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[Виклик інструменту: {event['name']}]")
    elif kind == "on_tool_end":
        print(f"[Результат інструменту отримано]")

# Підграф для обробки 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)
# ... побудова підграфа

doc_subgraph = doc_graph.compile()

# Включаємо підграф у батьківський
main_graph = StateGraph(MainState)
main_graph.add_node("process_document", doc_subgraph)  # Підграф як вузол
main_graph.add_node("send_result", send_to_crm)
main_graph.add_edge("process_document", "send_result")

Практичний кейс: система перевірки контракту (з нашої практики)

Завдання: один із наших клієнтів — юридичний відділ великої компанії — отримував 30–50 договорів щодня. Кожен договір вимагав 1–2 години роботи юриста. Ми побудували графового агента на LangGraph, який автоматизував перевірку.

Граф:

1. extract_node — парсинг PDF, вилучення структури
2. classify_node — тип договору (поставка, послуги, оренда, NDA)
3. risk_check_node — паралельні перевірки: фінансові умови, строк, відповідальність
4. legal_rules_node — перевірка проти корпоративного списку заборонених умов
5. human_review — interrupt для договорів з risk_score > 7
6. finalize_node — генерація висновку та рекомендацій

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

Маршрутизація: низький ризик → автоматичне схвалення; високий ризик → пауза для юриста з готовим висновком агента.

Результати:

• Час перевірки стандартного договору: 90 хв → 8 хв (у 11.25 разів швидше)
• Автоматичне схвалення без юриста: 61% договорів
• Пропущених нестандартних умов: 0 (vs ~3% вручну при втомі)
• Навантаження на юридичний відділ: -58%
• Економія: ~$35 000 на місяць (за 40 договорів/день × 20 днів)

Порівняння LangGraph і LCEL

Компоненти LangGraph

Що входить у нашу роботу з інтеграції LangGraph

• Архітектурна сесія: аналіз задачі, вибір топології графа, визначення точок human-in-the-loop.
• Розробка коду: реалізація вузлів, ребер, стану, інтеграція з вашою LLM та інструментами.
• Налаштування персистентності: PostgreSQL, Redis або SQLite для checkpoint'ів.
• Інтеграція з оточенням: деплой через Docker/Kubernetes, підключення моніторингу (LangSmith).
• Тестування: юніт-тести, навантажувальне тестування з рекордом latency (p99).
• Документація: повний опис графа, API, керівництво з експлуатації.
• Навчання команди: воркшоп з LangGraph для ваших розробників.

Терміни орієнтовно

• Базовий ReAct-агент на LangGraph: від 3 до 5 днів (від $5 000).
• Мульти-агентна система з supervisor: від 2 до 3 тижнів (від $15 000).
• Human-in-the-loop workflow з persistence: від 1 до 2 тижнів (від $8 000).
• Інтеграція в production з PostgreSQL checkpoint: +3–5 днів.

Вартість розраховується індивідуально — ми оцінюємо проект безкоштовно за один робочий день. Наша команда з 5+ роками досвіду в AI виконує роботи під ключ. Пишіть на пошту або замовте попередню оцінку, і ми підготуємо комерційну пропозицію з гарантією якості та прозорими термінами.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові 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 двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.