LangChainとは
「LLM（大規模言語モデル）ってすごいけど、なんか単体で使うのは勿体ないよね…」
そんなあなたのモヤモヤを解決してくれるのが LangChain です。
一言でいえば、
「LLMをただの“おしゃべりAI”から、“仕事ができる相棒”に変えてくれるライブラリ」。
例えば…
ChatGPTに「電卓して！」って言ったら「私は計算苦手なんだよね…」となるのを、LangChainなら解決。
・自社のマニュアルを丸ごと読み込ませて「社内Q&Aボット」を作れる。
・ちょっと賢いエージェントにして「検索→計算→答えをまとめる」みたいなタスクもこなせる。
つまり、LangChainは 「LLMの能力を拡張する魔法のツールボックス」 なんです。
主な機能とその詳細
🎨 プロンプトテンプレート（PromptTemplates）
毎回同じような指示文を書くの、面倒じゃないですか？
PromptTemplateは「雛形」を作っておいて、必要な部分だけ差し替えできる仕組みです。
例えるなら「お年玉袋に名前を書き換えて毎年使い回す」感じです（※現実では怒られるので注意）。
from langchain.prompts import PromptTemplate
from langchain.chat_models import ChatOpenAI
template = PromptTemplate(
input_variables=["language"],
template="{language}について簡潔に説明してください。"
)
prompt = template.format(language="Python")
llm = ChatOpenAI(temperature=0)
response = llm.predict(prompt)
print(response)🔗 LLMチェーン（LLMChains）
PromptTemplateとLLMを組み合わせて「流れ作業」にするのがLLMChain。
「質問を受ける → プロンプトを作る → モデルに聞く → 答えを返す」
これを一発でやってくれます。
つまり「ワンオペ店員」から「分業チーム」への進化。
from langchain.prompts import PromptTemplate
from langchain.llms import OpenAI
from langchain.chains import LLMChain
llm = OpenAI(temperature=0)
prompt = PromptTemplate(
input_variables=["topic"],
template="{topic}に関する3つのトリビアを教えてください。" )
chain = LLMChain(llm=llm, prompt=prompt)
print(chain.run("富士山"))🕵️ エージェント（Agents）
エージェントは「LLMに自分で考えさせてツールを使わせる」仕組み。
「ニュース調べて → 必要なら計算して → まとめて」みたいに、AIが勝手にタスクを分解して動くんです。
つまり「指示待ち人間」じゃなく「自律行動型社員」へ進化。
from langchain.agents import load_tools, initialize_agent, AgentType
from langchain.llms import OpenAI
llm = OpenAI(temperature=0) tools = load_tools(["llm-math"], llm=llm)
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION)
print(agent.run("144の平方根は？"))🔧 ツール（Tools）
ツールはエージェントの「手足」です。
電卓、Web検索、DBアクセスなど、外部の力を借りられます。
しかも自作可能！例えば「文字を逆さにするツール」を作ったら、AIがそれも使えるようになります。
ちょっと悪用したら「逆さ言葉しか喋らないAI」とか作れそうですね（役立つかは別問題）。
from langchain.agents import Tool
def reverse_text(text: str) -> str:
return text[::-1]
reverse_tool = Tool(
name="reverse",
func=reverse_text,
description="与えられたテキストを逆順に返すツール"
)
print(reverse_tool.func("Hello")) # "olleH"🧠 メモリ（Memory）
普通のLLMは「金魚並みの記憶力」。
会話が終わるとすぐ忘れます。
でもLangChainのMemoryを使えば、会話の履歴を保持して「前に言ったことを覚えてるAI」にできます。
まさに「昨日の夕飯も覚えてる頼れる相棒」。
from langchain import OpenAI, ConversationChain
conversation = ConversationChain(llm=OpenAI(temperature=0), verbose=True)
print(conversation.predict(input="こんにちは、私の名前は太郎です。")) print(conversation.predict(input="私の名前は何ですか？")) # → 「太郎」と返してくれる📚 ドキュメントローダー & テキスト分割
「LLMに100ページのマニュアル読ませたい！」
→ そのまま突っ込むと「ごめん、長すぎる…」と怒られます。
そこで Document Loaderでデータを読み込み、Text Splitterで小分けにします。
例えるなら「1本丸ごとのバゲット」じゃなく「スライスして食べやすくする」感じ。
from langchain.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter
loader = TextLoader("example.txt", encoding="utf-8")
documents = loader.load()
splitter = CharacterTextSplitter(chunk_size=500, chunk_overlap=0)
docs = splitter.split_documents(documents)
print(len(docs))🗂 ベクターストア & リトリーバル
LLMは賢いけど「昨日のニュース」や「自社マニュアル」までは知らない。
そこで登場するのがベクターストア。
文章をベクトル化して保存し、似てるものを高速検索！
これで「社内特化型ChatGPT」も作れちゃう。
要するに「AIの脳にUSBメモリを差す」イメージです。
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import FAISS
texts = [
"東京都は日本の首都です。",
"パリはフランスの首都です。",
"富士山は日本の最高峰の山です。"
]
vector_store = FAISS.from_texts(texts, embedding=OpenAIEmbeddings()) result = vector_store.similarity_search("日本の首都はどこ？", k=1) print(result[0].page_content)まとめ
LangChainは、
PromptTemplates → 言葉のテンプレ職人
LLMChains → 自動化された流れ作業
Agents & Tools → 自律的に動くAI社員
Memory → 記憶力を与える脳
Document Loaders & Splitters → 情報の仕込み包丁
Vector Stores → 知識USB
といった感じで、LLMを「ただの会話相手」から「万能アシスタント」へ進化させるライブラリです。
AIに「もっとちゃんと働け！」と思ったら、ぜひLangChainで遊んでみてください。
付録
OpenAIのオープンモデル「gpt-oss」（8月5日発表）
2025年8月5日、OpenAIは「gpt-oss」というオープンモデル（オープンウェイト）を公開しました。ローカルやオンプレでの運用、細かなカスタマイズ、既存スタックとの柔軟な統合を重視した位置づけのモデルです。
主なポイントは以下のとおりです。
〇 概要
・オープンウェイトとして提供され、クラウドに依存しない実行が可能（自社環境での運用に向く）。
・OpenAI互換のAPIやツール群から利用しやすい設計が想定され、既存のワークフローへ置き換え／併用がしやすい。
〇 できること（能力の目安）
・指示追従（Instruction Following）：要約、リライト、説明、翻訳などの汎用タスク。
・コード関連：サンプル生成、変換、説明、簡易リファクタリング。
・構造化出力：JSONなどのフォーマットでの整形出力の誘導がしやすい。
・長文コンテキスト：RAG（社内文書検索＋要約）との相性がよく、業務知識ベースのQAに有用。
・エージェント連携：検索や電卓などのツール実行と組み合わせたタスク分解・自動化と親和性が高い。
〇 LangChainとの相性と活用アイデア
・Chat/LLMインターフェースに接続して、PromptTemplatesやLLMChainをそのまま活用可能。
・Embeddings＋Vector StoreでRAG基盤を構築し、社内特化型のQA／ナレッジ検索を強化。
・Agents＋Tools＋Memoryと組み合わせて「検索→要約→整形→配信」などの業務フローを自動化。
〇 セットアップのヒント（OpenAI互換エンドポイント例）
・OpenAI互換APIが用意されている場合は、ベースURLとモデル名を切り替えるだけで最小変更で移行可能。
・ローカル実行では量子化（例：int4/8）でメモリ削減、GPUがあればレイテンシ短縮が期待できる。
# 例：OpenAI互換エンドポイント経由での接続（概念例）
from langchain.chat_models import ChatOpenAI
llm = ChatOpenAI(
model_name="gpt-oss",
openai_api_base="http://localhost:8000/v1",
# 提供されるエンドポイントに合わせて調整
openai_api_key="dummy", # ローカル/自己ホスト時はダミーでOKな場合あり
temperature=0.2,
)
print(llm.predict("このモデルの特徴を3点で教えて"))注意：具体的なモデルID、対応するAPIパラメータ、コンテキスト長、ライセンス条件などは公式アナウンスに従ってください。上記コードは接続方法のイメージです。
gpt-ossを組み込んだアプリを作ってみた!
gpt-ossとLangChainを活用して、自然言語でレストラン予約ができるAIアシスタントを作成しました！
📱 アプリ概要
「今日の夜、和食でおいしいところない？」
「渋谷で3人で入れるイタリアンを予約したい」
こんな自然な会話でレストラン検索から予約確認まで、AIが自動で処理してくれるアシスタントアプリです。
🛠️ システム構成
AIエージェント部分（gpt-oss + LangChain） - 役割: ユーザーの自然言語を理解し、適切なAPIを選択・実行 - 使用技術: gpt-oss（ローカル実行）, LangChain Agents & Tools - 処理フロー: 質問解析 → API選択 → 結果整理 → 自然な回答生成
API構成（5つのエンドポイント）
1.おすすめレストラン取得API
用途: 「おいしいお店を教えて」系の質問に対応
返却: エリア・ジャンル別のおすすめ店舗リスト
2.レストラン名検索API
用途: 「〇〇というお店を探して」系の質問に対応
返却: 店舗ID + 基本情報（住所、電話番号、ジャンル等）
3.店舗詳細情報取得API
用途: 特定店舗の詳しい情報が必要な場合
返却: 営業時間、メニュー、料金帯、設備情報等
4.予約可能性確認API
用途: 「予約できる？」の確認（AIが自動実行）
返却: 予約可否 + 空席状況 + 予約条件
(5. 実際の予約実行API )
⚠️ - 用途: 最終確認後の予約処理 - 重要: AIの誤作動防止のため、フロントエンドから直接実行 - 実行タイミング: ユーザーが予約内容を確認し「予約する」ボタンを押下後
💡 実際の動作例
ユーザー: 「今夜8時に新宿で2人でイタリアンを食べたいんですが」
AIの思考プロセス: 1. 🔍 /recommend で新宿のイタリアンを検索 2. 📋 複数候補から条件に合うものを絞り込み 3. ✅ /can_reserve で各店舗の予約可能性を確認 4. 💬 「〇〇というお店が空いています。予約しますか？」と提案
安全機能: - 予約確認まではAIが自動処理 - 実際の予約は人間が最終判断（誤操作防止） - ローカル実行により、機密情報の外部送信を回避
🎬 デモ動画
実際のアプリの動作を動画で確認できます：
📺 デモ動画を見る - 自然言語での問い合わせから予約確認までの一連の流れ
🎯 このアプリの価値
自然な対話: 「検索条件を入力」ではなく「普通の会話」で利用可能
コンテキスト理解: 「2人で」「今夜」などの情報を総合的に処理
安全性: 重要な操作は人間が最終確認
プライバシー: gpt-ossのローカル実行で情報漏洩リスクを最小化
まさに「AIコンシェルジュが店選びから予約確認まで丸ごとお手伝い」する未来の予約体験！
あなたも gpt-oss でアプリを作ってみませんか？
今回ご紹介したレストラン予約AIアシスタントは、gpt-oss、LangChainと自作APIの組み合わせで実現できました。
gpt-oss の魅力： -
🏠 ローカル実行 → プライバシー保護 & コスト削減 -
🔧 カスタマイズ自由 → 自社データで追加学習も可能 -
🔗 既存システム連携 → OpenAI互換APIで簡単移行 - ⚡ リアルタイム処理→ レスポンス速度の最適化
あなたなら何を作りますか？ -
📚 社内FAQ自動回答システム -
🛒 商品レコメンデーションAI -
📊 データ分析レポート生成ツール -
🎯 カスタマーサポート自動化 -
💡 アイデア整理 & 企画書作成アシスタント
LangChainの豊富なツールと、gpt-ossのローカル実行の安心感。
この組み合わせなら、「こんなAIツールがあったらいいな」を現実にできます。
ぜひ挑戦してみてください！ あなたの創造力 × AI の力で、きっと面白いものが生まれるはずです。
