〔電子〕LangChainとLangGraphによるRAG・AIエージェント［実践］入門

◆RAG（検索拡張生成）開発も、AIエージェント開発の基礎もデザインパターンもわかる！◆ 　本書では、OpenAIによるAIサービスを利用するためのOpenAI API、オープンソースのLLMアプリ開発ライブラリLangChain を使って、LLM（大規模言語モデル）を活用したRAG（検索拡張生成）アプリケーション、そしてAIエージェントシステムを開発するための実践的な知識を基礎からわかりやすく解説します。 　OpenAI のチャットAPI、プロンプトエンジニアリング、LangChainの基礎知識 について解説したあと、RAGの実践的手法や評価のハンズオンを行います。今後の生成AIシステム開発で重要となるAIエージェント開発はLangGraphを使って行い、さらにAIエージェントのデザインパターンと、パターン別のAIエージェントハンズオンまで解説します。 　OpenAIのAPIとフレームワークLangChainを学ぶことで、LLMの性質を活かしたサービスや業務システムを構築するのに必要な知識体系を習得し、業界地図を頭に描くことができるようになります。 ■こんな方におすすめ ・LLMによる本格的な業務アプリ開発に取り組みたい方 ・RAGアプリケーション開発の実践的な知識を習得したい方 ・AIエージェントシステム開発に取り組みたい方 ■目次 ●第1章 LLMアプリケーション開発の基礎 1.1 活用され始めた生成AI 1.2 Copilot vs AIエージェント 1.3 すべてはAIエージェントになる 1.4 AIエージェントの知識地図 1.5 まとめ ●第2章 OpenAIのチャットAPIの基礎 2.1 OpenAIのチャットモデル 2.2 OpenAIのチャットAPIの基本 2.3 入出力の長さの制限や料金に影響する「トークン」 2.4 Chat Completions APIを試す環境の準備 2.5 Chat Completions APIのハンズオン 2.6 Function calling 2.7 まとめ ●第3章 プロンプトエンジニアリング 3.1 プロンプトエンジニアリングの必要性 3.2 プロンプトエンジニアリングとは 3.3 プロンプトの構成要素の基本 3.4 プロンプトエンジニアリングの定番の手法 3.5 まとめ ●第4章 LangChainの基礎 4.1 LangChainの概要 4.2 LLM/Chat model 4.3 Prompt template 4.4 Output parser 4.5 Chain ーLangChain Expression Language（LCEL）の概要 4.6 LangChainのRAGに関するコンポーネント 4.7 まとめ ●第5章 LangChain Expression Language（LCEL）徹底解説 5.1 RunnableとRunnableSequence ーLCELの最も基本的な構成要素 5.2 RunnableLambda ー任意の関数をRunnableにする 5.3 RunnableParallel ー複数のRunnableを並列につなげる 5.4 RunnablePassthrough ー入力をそのまま出力する 5.5 まとめ ●第6章 Advanced RAG 6.1 Advanced RAGの概要 6.2 ハンズオンの準備 6.3 検索クエリの工夫 6.4 検索後の工夫 6.5 複数のRetrieverを使う工夫 6.6 まとめ ●第7章 LangSmithを使ったRAGアプリケーションの評価 7.1 第7章で取り組む評価の概要 7.2 LangSmithの概要 7.3 LangSmithとRagasを使ったオフライン評価の構成例 7.4 Ragasによる合成テストデータの生成 7.5 LangSmithとRagasを使ったオフライン評価の実装 7.6 LangSmithを使ったフィードバックの収集 7.7 フィードバックの活用のための自動処理 7.8 まとめ ●第8章 AIエージェントとは 8.1 AIエージェントのためのLLM活用の期待 8.2 AIエージェントの起源とLLMを使ったAIエージェントの変遷 8.3 汎用LLMエージェントのフレームワーク 8.4 マルチエージェント・アプローチ 8.5 AIエージェントが安全に普及するために 8.6 まとめ ●第9章 LangGraphで作るAIエージェント実践入門 9.1 LangGraphの概要 9.2 LangGraphの主要コンポーネント 9.3 ハンズオン：Q&Aアプリケーション 9.4 チェックポイント機能：ステートの永続化と再開 9.5 まとめ ●第10章 要件定義書生成AIエージェントの開発 10.1 要件定義書生成AIエージェントの概要 10.2 環境設定 10.3 データ構造の定義 10.4 主要コンポーネントの実装 10.5 ワークフロー構築 10.6 エージェントの実行と結果の確認 10.7 全体のソースコード 10.8 まとめ ●第11章 エージェントデザインパターン 11.1 エージェントデザインパターンの概要 11.2 18のエージェントデザインパターン 11.3 まとめ ●第12章 LangChain/LangGraphで実装するエージェントデザインパターン 12.1 本章で扱うエージェントデザインパターン 12.2 環境設定 12.3 パッシブゴールクリエイター（Passive Goal Creator） 12.4 プロンプト／レスポンス最適化（Prompt/Response Optimizer） 12.5 シングルパスプランジェネレーター（Single-Path Plan Generator） 12.6 マルチパスプランジェネレーター（Multi-Path Plan Generator） 12.7 セルフリフレクション（Self-Reflection） 12.8 クロスリフレクション（Cross-Reflection） 12.9 役割ベースの協調（Role-Based Cooperation） 12.10 まとめ 付録 各種サービスのサインアップと第12章の各パターンの実装コード ■著者プロフィール ●西見公宏：株式会社ジェネラティブエージェンツ 代表取締役CEO。ChatGPTの利活用を中心に大規模言語モデルを活用したアプリケーション開発ならびにアドバイザリーを提供する中で、吉田、大嶋と出会い、株式会社ジェネラティブエージェンツを共同創業。AIエージェントを経営に導入することにより、あらゆる業種業態の生産性を高めるための活動に尽力している。 「その仕事、AIエージェントがやっておきました。ーーChatGPTの次に来る自律型AI革命」（技術評論社）単著、Software Design「実践LLMアプリケーション開発」（技術評論社）連載。 ●吉田真吾：株式会社ジェネラティブエージェンツ 取締役COO / 株式会社セクションナイン 代表取締役CEO。AWS Serverless Heroとして日本におけるサーバーレスの普及を促進。 「ChatGPT/LangChain によるチャットシステム構築［実践］入門」（技術評論社）共著、「Azure OpenAI ServiceではじめるChatGPT/LLMシステム構築入門」（技術評論社）共著、「AWSによるサーバーレスアーキテクチャ」（翔泳社）監修、「サーバーレスシングルページアプリケーション」（オライリー）監訳、「AWSエキスパート養成読本」（技術評論社）共著。 ChatGPT Community（JP）主催。 ●大嶋勇樹：株式会社ジェネラティブエージェンツ 取締役CTO。大規模言語モデルを組み込んだアプリケーションやAIエージェントの開発を実施。個人ではエンジニア向けの勉強会開催や教材作成など。オンラインコースUdemyではベストセラー講座多数。勉強会コミュニティStudyCo運営。 「ChatGPT/LangChain によるチャットシステム構築［実践］入門」（技術評論社）共著。