LangGraph Engineer

Summary

「Lang graph Engineer」というプロジェクトについて紹介しています。これは、L graphを用いた開発の際に、アプリケーションの骨組みを自動生成するツールです。ユーザーからの要件をもとに、ノードやエッジの構成を提案し、ビジネスロジックの実装を促します。L graph Studio上で公開されているため、公開リンクから試してみることができます。このツールは、開発者がL graphの基礎的な構造を考えることなく、ビジネスロジックに集中できるように設計されています。

Takeaways

• 🚀 プロジェクト「Lang Graph Engineer」は、L-graphアプリケーションの骨組みを自動生成するサイドプロジェクトです。
• 🤖 Lang Graph Engineerは、ユーザーからの要件を収集し、L-graphアプリケーションの骨組みを作成するエージェントです。
• 📝 骨組みにはノードとエッジが含まれていますが、ノードやエッジの中身はユーザーが自分で記述する必要があります。
• 🛠️ Lang Graph Studioが新機能として、公開リンクを通じてL-graphデプロイメントを共有できるようになりました。
• 🔍 「gather requirements」ノードは、アプリケーションの要件を収集するための対話型のノードです。
• 📝 「draft answer」ノードは、収集された情報をもとにL-graphアプリケーションのドラフトを作成します。
• 🔄 「check node」は、生成されたマークダウンにPythonスニペットが含まれているかを基本的なチェックを行います。
• 📑 「critique node」は、LLM（Large Language Model）を使用して生成されたPythonコードを評価します。
• 🔧 Lang Graph Engineerはオープンソースで、各ノードに対応するPythonファイルがリポジトリにあります。
• 📚 ユニットテストファイルがAPIの説明役として機能しており、生成されたコードの質向上に役立っています。
• 🔄 チェックに合格すると「critique node」へ、不合格の場合は「draft answer」ノードに戻り再生成が行われます。
• 💻 最終的なコードはLang Graph Studioで確認・テストでき、必要に応じてビジネスロジックを実装することができます。

Q & A

プロジェクトの名前は何ですか？

プロジェクトの名前はLang Graph Engineerです。

Lang Graph Engineerの目的は何ですか？

Lang Graph Engineerの目的は、Lang Graphアプリケーションのスキャフォルディングを構築するのを支援することです。

このプロジェクトの主な機能は何ですか？

このプロジェクトの主な機能は、要求を取得し、それに基づいてLang Graphアプリケーションの基本的な構造を生成することです。

生成されたグラフのノードとエッジの内容はどうなりますか？

生成されたグラフのノードとエッジの内容はユーザーが記述する必要があり、プロジェクトはその構造だけを提供します。

Lang Graph Engineerが提供する具体的なノードの例を挙げてください。

具体的なノードの例として、要求を収集するノード（gather requirements node）や、ドラフトを生成するノード（draft answer node）があります。

チェックノードは何をしますか？

チェックノードは生成されたドラフトがPythonのスニペットを含むMarkdownを生成したかを確認します。

生成されたコードの品質を評価するために使用される方法は何ですか？

生成されたコードの品質を評価するために、プログラムチェックとLLM（大規模言語モデル）によるチェックの2つの方法が使用されます。

Lang Graph Engineerのコードはどこで確認できますか？

Lang Graph Engineerのコードはオープンソースリポジトリで確認できます。

プロジェクトの公開リンクはどこで確認できますか？

プロジェクトの公開リンクは動画の説明欄に記載されています。

今後の改善点として考えられているものは何ですか？

今後の改善点として、追加のチェックやプロンプトの改善、Lang Graph Studioへの統合などが考えられています。

Outlines

00:00

🛠️ L-Graphエンジニアの紹介

L-Graphエンジニアは、L-Graphアプリケーションの骨組みを自動生成するサイドプロジェクトです。このツールは、開発者がL-Graphを用いた開発を効率化し、ビジネスロジックに集中できるように設計されています。L-Graphエンジニアは、ユーザーからの要件を収集し、ノードとエッジの構成を自動生成しますが、ノードやエッジの内容はユーザーが自分で記述する必要があります。このプロセスは、L-Graph Studio上で公開されているベータ機能として公開されており、誰でも試すことができます。

05:00

🔍 L-Graphエンジニアの動作確認

L-Graphエンジニアの動作を確認するために、ビデオスクリプトでは、ツールに「rag app」の生成を要求します。ツールは、要件を収集し、草稿を作成し、チェックを行い、批判的なフィードバックを元に修正を繰り返します。生成されたコードは、プログラミング的チェックとLLMによる批判的チェックを通過し、最終的にユーザーが確認できる形で提供されます。このプロセスでは、L-GraphのAPIの使い方をユニットテストから得た情報に基づいてコードを生成し、ユーザーはビジネスロジックを実装する部分に焦点を当てることができます。

Keywords

💡L-graph

L-graphは、ビデオの主題であるグラフベースのアプリケーション開発プラットフォームです。このプラットフォームを使用することで、開発者はグラフ構造を活用して複雑なビジネスロジックを構築することができます。ビデオでは、L-graphを使用してサイドプロジェクトとしてLang graph Engineerを開発し、そのプロセスと成果物を紹介しています。

💡Lang graph Engineer

Lang graph Engineerは、ビデオで紹介されたL-graphアプリケーションの一つで、開発者がL-graphアプリケーションのスキャフォールディングを構築するのに役立つツールです。このツールは、開発者がグラフのノードやエッジの正確な構造を考える必要はなく、ビジネスロジックに集中できるように設計されています。

💡スキャフォールディング

スキャフォールディングとは、ソフトウェア開発において、アプリケーションの基本構造やテンプレートを指します。ビデオでは、Lang graph Engineerが自動的にL-graphアプリケーションのスキャフォールディングを作成し、開発者がビジネスロジックを実装する部分に焦点を当てられるように支援する機能を有しています。

💡ノード

ノードは、グラフ理論において、情報を保持する基本的な構成要素であり、L-graphアプリケーションでは、特定の機能や処理を表します。ビデオでは、Lang graph Engineerが自動的にノードを作成し、開発者がそれらにビジネスロジックを実装するように促します。

💡エッジ

エッジは、グラフ理論において、ノード同士を繋ぐ線であり、L-graphアプリケーションでは、ノード間のデータフローや処理の順序を表します。ビデオでは、エッジが正しく設定されることで、アプリケーションのフローが確立されることが重要だと強調されています。

💡ビジネスロジック

ビジネスロジックとは、アプリケーションがビジネスの目的を果たすためのルールや手続きを意味します。ビデオでは、Lang graph Engineerがスキャフォールディングを作成する一方で、開発者はビジネスロジックを実装することに重点を置く必要があると示唆しています。

💡ユニットテスト

ユニットテストは、ソフトウェア開発において、個々の部品や機能を分離して検証するテスト手法です。ビデオでは、L-graphのユニットテストがAPIの動作を正確に記述しており、Lang graph Engineerがユニットテストを参考にコードを生成することができると紹介されています。

💡LLM (Large Language Model)

LLMは、ビデオで言及された大規模な言語モデルの略称で、自然言語処理分野で使用される高度なアルゴリズムです。ビデオでは、Lang graph EngineerがLLMを使用して生成されたPythonコードを評価し、合理性と品質をチェックする機能を持っていると説明されています。

💡チェックノード

チェックノードは、ビデオで紹介されたLang graph Engineerの機能の一つで、生成されたコードの基本的な整合性を検証する役割を果たします。ビデオでは、チェックノードが生成されたMarkdownにPythonスニペットが含まれているかを確認するプロセスが示されています。

💡クリティックノード

クリティックノードは、Lang graph Engineer内の機能で、LLMを利用して生成されたコードの品質と合理性を評価します。ビデオでは、クリティックノードがLLMのフィードバックを基にコードの改善を提案し、より高品質の結果を生み出すプロセスが説明されています。

💡オープンソース

オープンソースとは、ソフトウェアのソースコードが公開され、誰でも自由に使用・改変できるという特性を持つソフトウェア開発のアプローチです。ビデオでは、Lang graph Engineerのコードがオープンソースとして公開されており、開発者が自由にアクセス・貢献できると紹介されています。

Highlights

Introduction to a side project called Lang Graph Engineer, designed to assist in building scaffolding for L graph applications.

Lang Graph Engineer aims to automate the creation of the structural framework for L graph apps, leaving the user to focus on business logic.

The project is showcased using Lang Graph Studio, deployed on Lang Graph Cloud, demonstrating a new beta feature of public sharing.

Explanation of the workflow involving different nodes such as 'gather requirements', 'draft answer', 'check node', and 'critique node'.

The 'gather requirements' node initiates a conversation to understand the user's needs for the L graph application.

The 'draft answer' node generates a preliminary version of the L graph application based on the gathered requirements.

The 'check node' performs basic checks to ensure the draft contains a Python snippet, with plans for more comprehensive checks in the future.

The 'critique node' uses an LLM to evaluate the generated Python code for reasonableness, adding an AI-based review process.

If the critique node approves, the process concludes; if not, it loops back to the 'draft answer' for revisions.

Lang Graph Engineer is an open-source repository, allowing users to view and contribute to the codebase.

Inside the repository, each node has a corresponding Python file, demonstrating the modularity of the project.

The 'draft' node uses a simple prompt and unit test file to generate code, leveraging L graph's API for accuracy.

The 'agentp' file defines the agent's behavior, central to the Lang Graph Engineer's functionality.

A live demonstration of the application generating an L graph app, starting with vague input and refining through interaction.

The output includes a new feature in Lang Graph Studio that allows easy viewing of the desired output types.

The generated code is tested in a notebook, showing that it runs correctly with the correct imports and structure.

The inner workings of the 'retrieve documents' and 'generate answer' nodes are left for the user to implement with their business logic.

The video concludes with an invitation to try out the publicly available Lang Graph Engineer and an offer for feedback.

Transcripts

hello today I want to talk a little bit

about a project that we've been working

on kind of as a side project but we're

excited to share it both one as an

example of what you can build with L

graph but then also two as something

that's hopefully useful when you're

developing with L graph so it's called

Lang graph engineer and the idea is that

it will help you build the scaffolding

for your L graph

applications so the idea is that we have

this graph this agent which you can talk

to it will get requirements from you and

then it will create the scaffolding of a

lingraph app and what does that mean

that means that it will try to get all

the nodes and edges correct but it won't

try to necessarily fill in the contents

of the nodes or edges we'll leave that

to you and the logic that that you write

I think this is helpful because you

shouldn't have to think deeply about

Lang graph constructs in order to build

an agent but you should have to think

about your business logic and so that's

kind of like the line that we're trying

to draw here we'll try to write the lane

graph boiler plate for you but you'll

have to write the business logic that

lives inside the nodes and edges of your

graph so this is the Lang graph

application that we've created that

represents Lang graph engineer and what

you're seeing right now is Lang graph

Studio it's deployed on Lang graph cloud

and it's deployed publicly so this is a

new beta feature we're testing where you

can share public links to a langra

deployment and so in the link down below

where you can try this out you'll you'll

see the public link to try it

out so here is roughly what the langra

engineer app is doing so there's a few

different nodes so there's this gather

requirements node which can go to either

draft answer or to the end what this

node does is it tries to talk to you and

gather requirements for the application

so it tries to get more information from

you about what exactly you want to

do once it has enough information it

will call this draft answer node and

this will go to a separate agent this

agent is focused on writing the laying

graph application for you so it will

generate a full graph and then it will

go to this check Noe this check node is

a very basic check to make sure that the

draft node generated some markdown that

contains a python

snippet in the future we'll add other

checks in here like making sure that all

import statements are correct or even

trying to run the

code after we run these checks which are

programmatic checks if it passes we'll

go onto a critique node if it fails

we'll feed that back into the draft

answer node and it will try

again what does the critique node do the

critique node uses an llm to critique

the outputs so it will pass the

generated python code into an llm and

say hey does this look reasonable so

we're running two different types of

checks here one are programmatic checks

the others using an llm if the critique

node thinks it's good then it will go go

to the end and it will

finish you can find all the code for

this in Lang graph

engineer so this is an open source repo

and if we look inside this folder we can

see that there's a python file roughly

for each of of the nodes so let's look

inside the draft node because this is

doing a lot of the heavy lifting so we

can see that it's a pretty simple prompt

it's

basically some brief description about

what Lang graph is a path to a unit test

file so I'll talk more about this later

and then it has some more

instructions some of these instructions

include how to generate things and then

others include the specific format so to

use this python markdown

syntax we pass in a unit test file

because we actually have a lot of pretty

good unit test coverage in L graph and

these unit tests are actually a really

good way of describing the API of what

Lang graph should do and how you should

invoke it so actually we found that by

passing this in it's able to generate

pretty reasonable looking

results there's other files here for

other nodes and you can check those out

agentp is another great file to look at

this is where the agent is actually

defined so let's try it out let's ask it

to generate a rag app

please so this is pretty vague it's not

entirely sure what uh you know it should

do and so it asks some kind of like

follow-up questions um do I have any

specific steps um

um

retrieve documents first then generate

answer um it's pretty

straightforward so now it's calling the

draft answer because it has enough

information

this is the draft node

responding we can see that is writing

some code it did the check pretty fast

because the checks deterministic and now

the critique node and so the critique

node seems good so it's finished if we

want to look at the output we can click

this button here and we can see the full

output so this is a new thing we've

added to Lang graph Studio to make it

easy to see the desired types of

output so let's copy this

code let's put it in a notebook see if

it actually

runs so it actually runs so it it got

kind of like the ability to define a uh

workflow a graph it got all the Imports

correct now if you notice here the the

innards of the retrieve documents node

and the generate answer node they're

still completely mocked out you got to

put your logic here and that's the idea

you'll put your business logic will help

create the

scaffolding that's it for this video

as I mentioned this is publicly

available so you can try it out um we'll

be improving it uh over the next few

weeks so we'll be adding in some more

checks we'll be improving the prompts

maybe adding in some other critique

steps maybe integrating it into langra

studio so it can run

locally thank you all for watching and

please reach out if any questions