企業トラッカー
LangChain の最新 AI ニュース、製品、モデル、エコシステム、業界動向。
Lyft は LangGraph と LangSmith を活用して、カスタマーサポート向けのセルフサービス型 AI エージェントプラットフォームを構築し、エージェント開発期間を数ヶ月から数週間に短縮しました。ルーターベースのマルチエージェントアーキテクチャと LangSmith のトレーシング・監視ツールにより、非技術系ドメイン専門家が自律的に AI エージェントを開発・改善できるようになりました。
AIモデルの生の知能は頭打ちになっており、次の進歩はモデルの周りに構築するものからもたらされます。AIエージェントハーネスは、LLMにツール、メモリ、人間の介入を提供し、有用なデジタルアシスタントに変えます。Google、LangChain、OpenAI、Anthropicなどの企業がさまざまなソリューションを提供しています。
この記事では、LangGraph エージェントをオーケストレーターとして使用し、Amazon Bedrock AgentCore Memory および Amazon Bedrock AgentCore Observability と統合して、AWS 上で高度にスケーラブルなサーバーレス マルチエージェント生成 AI システムを構築するソリューションを提供します。AWS Lambda や AWS Step Functions などのサーバーレステクノロジーを組み合わせて、自動スケーリング、リアルタイム応答、インフラストラクチャ管理不要の LangGraph エージェントを構築する方法を詳しく説明し、LangGraph のグラフベースの実行モデルがエージェント間の確定的な調整、並列処理、条件付きルーティングをどのように可能にするかについて説明します。さらに、このアーキテクチャに基づくキャンペーンレビューシステムの実装、前提条件、デプロイ手順、クリーンアップ手順についても説明します。
本研究では、フェムト秒レーザー励起コヒーレントイジングマシン（CIM）とLLM駆動のエージェントシステムをLangGraphおよびLangChainフレームワークを用いて統合した。LLMはQUBO/Isingモデルのキャリブレーション、制約重みの反復、文献報告スキームの検証を効果的に実行できる。すべてのタスクは国産大規模モデルと国産CIMハードウェアに基づいて実装され、完全に国産のエージェント大規模モデルとハードウェアに依存した実用量子CIMの実現を達成した。さらに、エージェント支援量子計算の反復により蓄積された知識がエージェント自身の問題解決能力を相互に強化する新たなパラダイムが発見された。
LangChain4jを使用したJavaベースのAIエージェントで、Claude Codeと同様の動作をします。無料で使用でき、Mistralアカウントの登録が必要です。初回の試行で優れた電卓アプリを生成しました。
Amazon SageMaker AI は、リアルタイム推論エンドポイント向けに OpenAI 互換の API サポートを開始しました。OpenAI SDK、LangChain、または Strands Agents を使用しているユーザーは、エンドポイント URL を変更するだけで SageMaker AI 上のモデルを呼び出せます。カスタムクライアント、SigV4 ラッパー、コードの書き換えは不要です。チャット補完リクエストとストリーミング応答をサポートし、ベアラートークン認証を使用します。
2026年、エンタープライズエージェンティックAIはパイロットから本番へ移行しました。このガイドでは、Salesforce Agentforce、Microsoft Copilot Studio、ServiceNow、LangGraphなど、トップ10のプラットフォームを検証済みの価格、実際の導入データ、正直な制約とともにランク付けし、エンタープライズチームが適切なプラットフォームを選択できるようにします。
Deep Agentsはこれまで、モデルファミリー間でうまく機能するように汎用的に設計されていました。本日、プロンプト、ツール、ミドルウェアを調整するモデル固有のプロファイルを追加します。OpenAI、Anthropic、Googleモデル向けのプロファイルを標準搭載しており、デフォルトのハーネスと比較してtau2-benchのサブセットで10〜20ポイントの向上が見られます。
itsharnessは、AIエージェントワークフローの構築、実行、観察のための完全なツールセットです。ビジュアルキャンバスでフローを設計し、ランタイムに依存しない仕様をエクスポートし、さまざまなフレームワークにコンパイルして、実行、トレース、デバッグをサポートします。現在の仕様バージョンは0.2.0で、14のノードタイプと5つのサンプルフローが含まれています。
比較的静かなAIニュースの中で、コーディングエージェントの形態がConductorの先駆的アプローチに収束する小さなトレンドが浮き彫りになった。主なトピック：GitHubの新しいCopilot AppがConductorを模倣、OpenAIのCodexモバイル版、LangChainのエージェントインフラ更新（SmithDB、Engine、Labs）、AnthropicのClaude Code制限に対する反発、Figureの24時間自律仕分けライブ配信、拡散言語モデルや時系列予測、メカニスティック解釈可能性などの研究リリース。
LangChain Labs は、エージェントの継続的学習に焦点を当てた新しい応用研究プロジェクトであり、パートナーとともに自己改善型AIシステムのオープン研究を推進します。
Halgorithem はAI自体を使わずにAIの幻覚を検出するアルゴリズムで、入力をツリーにパースし、ファイルチャンクのツリーと比較して矛盾をフラグします。LangGraphやCrewAIなどのPython AIワークフローに容易に統合でき、ベンチマークで高い精度を示しています。
エージェントハーネスがAIモデルを自律的な作業エンジンに変える仕組みを学びましょう。ファイルシステム、サンドボックス、メモリなどのコアコンポーネントを探求します。
LangSmithは、LLM Gatewayのプライベートベータ版を発表。これは、リクエストがモデルに到達する前にコスト制限と機密データ編集を強制し、ポリシーイベントをLangSmithワークスペースに直接統合するランタイムガバナンスレイヤーです。
LangSmith は Context Hub を発表しました。これは、AGENTS.md、スキル、ポリシーなどの AI エージェントの動作ファイルを集中管理、バージョン管理、共同編集するためのプラットフォームです。コンテキストはエンジニア以外によって管理されることが多く、頻繁に更新されるため、専用の管理場所が必要です。バージョン管理、タグ、コメント機能を提供し、Deep Agents との統合により永続的なメモリを実現します。
LangSmith Sandboxが一般提供（GA）となりました。ハードウェア仮想化されたマイクロVMにより、カーネルレベルの分離を実現し、AIエージェントコードを安全に実行できます。新機能としてスナップショットとフォーク、サービスURL、CLI、認証プロキシ（カスタムコールバック対応）などを備え、コーディングエージェント、CIエージェント、データパイプライン向けに設計されています。
Torrixはセルフホスト型のLLM可観測性ツールで、トークン数、コスト、レイテンシ、プロンプトトレース、推論トークンの取得、PIIマスキングを追跡します。OpenAI、Anthropic、Google Geminiなど多数のプロバイダをサポート。Dockerで簡単にデプロイでき、PostgresやRedisは不要。Python、Node.js、Go、C#、JavaのSDK、LangChainコールバック、HTTPプロキシを提供。
OncoAgentは、オープンソースでプライバシー保護型の腫瘍学向け臨床意思決定支援システムです。二層LLMアーキテクチャ（9B高速モデルと27B深層推論モデル）、マルチエージェントLangGraphトポロジー、70以上のNCCNおよびESMOガイドラインをカバーする修正RAGパイプライン、そしてZero-PHIポリシーを備えた3層反射安全バリデーターを特徴とします。複雑性スコアリングによってクエリをルーティングし、AMD Instinct MI300X上でファインチューニングされ、56倍のスループット高速化を達成しました。データ主権を確保するため、オンプレミス展開をサポートします。
記憶は人間の思考とAIエージェントの行動を形成します。本記事では、短期記憶、エピソード記憶、意味記憶、長期記憶といったAIエージェントの記憶タイプとその設計上のトレードオフを探ります。また、Google ColabでLangGraphを使用してエージェントメモリを構築する実践ガイドを提供します。
本稿では、LangChain の Deep Agents によるオーケストレーションと Parallel の Task API による構造化ウェブリサーチを組み合わせ、自動化された企業デューデリジェンスエージェントを構築する方法を詳述します。5つのリサーチサブエージェントと LangSmith によるコンプライアンス監視機能を備えています。
このチュートリアルでは、Groqの無料OpenAI互換推論エンドポイントを使用し、LangGraph、LangChain、およびカスタムツール（Web検索、ファイル操作、Python実行、スキル読み込み、サブエージェント委任、長期メモリ）を組み合わせて、多段階の研究エージェントを構築する方法を詳しく説明します。実際のタスク（小規模言語モデルのブリーフィング）を通じて、エージェントがスキルを発見し、サブ研究を委任し、構造化出力を生成し、メモリを保存する完全な流れを示します。
LangChainのHarrison Chaseが、エージェントの可観測性はデバッグだけでなく学習ループを駆動するために重要だと論じます。トレースだけでは不十分で、ユーザーフィードバック、間接的なシグナル、LLM-as-judge、ルールなどのフィードバックを組み合わせることで初めて、モデル、ハーネス、コンテキストを体系的に改善できます。可観測性プラットフォームには、トレースの保存、フィードバックの保存、フィードバックの生成という3つの機能が必要です。
ハパックロイドのデジタルカスタマーエクスペリエンスチームは、Amazon Bedrock、Elasticsearch、LangChain/LangGraphを使用して生成AIを活用したフィードバック分析ソリューションを構築し、感情分類、傾向分析、レポート作成を自動化し、手作業を削減して迅速なデータ駆動型製品決定を可能にしました。
GLM-5やMiniMax M2.7のようなオープンウェイトモデルは、ファイル操作、ツール使用、指示追跡などのコアエージェントタスクにおいて、クローズドフロンティアモデルに匹敵する性能を、はるかに低いコストとレイテンシで達成しています。LangChainの評価では正解率がトップクローズドモデルに近く、オープンモデルが本番エージェントワークフローに実用的であることを示しています。本記事では、評価方法、結果、およびDeep Agents SDKでオープンモデルを使用する方法を詳しく説明します。
LangSmithの回帰テスト機能は、AIエンジニアが実験を比較し、パフォーマンスを追跡し、実行間の変更を詳細に分析することで、LLMアプリケーションを自信を持って評価・反復することを可能にします。従来のソフトウェアテストとは異なり、AIテストは完璧なスコアを達成できない場合があるため、時間の経過に伴う結果の追跡と個々のデータポイントの比較が不可欠です。LangSmithは、比較ビュー、表示オプション、ベースラインに対する変更の自動ハイライト、フィルタリング、および詳細な検査のための展開可能な行を提供します。
LLM アプリケーション向けの統合 DevOps プラットフォームである LangSmith が、Azure Marketplace で Azure Kubernetes アプリケーションとしてトランザクション可能になりました。Azure VPC 内でのデプロイ、完全なデータ制御、MACC クレジットのサポートを提供します。
Dosuは評価駆動開発（EDD）とLangSmithを活用し、大規模なLLM製品の信頼性を構築し、本番パフォーマンスを監視し、自信を持って反復改善を行っています。
実際のエンジニアリングチームを模倣するマルチエージェントシステムは、コードを高速化するだけでなく、デバッグ時間を93%削減し、部門横断的な納期を短縮します。本記事ではLangGraph上に構築されたアーキテクチャを紹介します。
LLMエージェントの本番環境での監視には、新しいオブザーバビリティツールが必要です。この記事では、エージェントのトレース、評価、改善を大規模に行う方法を解説します。
この記事では、インターネット接続やAPI費用を必要とせず、自分のマシン上で完全にローカルに動作するAIエージェントを小型言語モデル（SLM）を使って構築する方法を解説します。AIエージェントとSLMの概念、ローカル実行の利点、OllamaとLangChainのセットアップ、エージェントの段階的構築、メモリとツールの追加、そしてSLMの限界について説明します。