langchain README

The project's README from github.com/langchain-ai/langchain. As one markdown file: README.md.

LangChain Logo

The agent engineering platform.

PyPI - License PyPI - Downloads Version Twitter / X

LangChain is a framework for building agents and LLM-powered applications. It helps you chain together interoperable components and third-party integrations to simplify AI application development — all while future-proofing decisions as the underlying technology evolves.

[!TIP] Just getting started? Check out Deep Agents — a higher-level package built on LangChain for agents that have built-in capabilities for common usage patterns such as planning, subagents, file system usage, and more.

Quickstart

uv add langchain
from langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-5.5")
result = model.invoke("Hello, world!")

If you're looking for more advanced customization or agent orchestration, check out LangGraph, our framework for building controllable agent workflows.

For an equivalent JS/TS library, check out LangChain.js.

[!TIP] For developing, debugging, and deploying AI agents and LLM applications, see LangSmith.

LangChain ecosystem

While the LangChain framework can be used standalone, it also integrates seamlessly with any LangChain product, giving developers a full suite of tools when building LLM applications.

Why use LangChain?

LangChain helps developers build applications powered by LLMs through a standard interface for models, embeddings, vector stores, and more.


Resources

langchain (langchain-ai/langchain)

Searching Database…

Что это такое?LangChain — это фреймворк для создания агентов и приложений на базе LLM: он связывает в единую цепочку совместимые компоненты и сторонние интеграции, упрощая разработку ИИ-приложений.
Я встраиваю это в своё приложение кодом или это хостинг-платформа?Вы пишете код с его использованием: это open-source фреймворк на Python, который импортируете в свой проект, плюс аналогичная библиотека для JavaScript — LangChain.js.
Как с нуля дойти до первого работающего агента?Quickstart ведёт вас в зависимости от амбиций: начните с Deep Agents для распространённых агентных паттернов или переходите к LangGraph, когда нужна продвинутая кастомизация и оркестрация.
Можно ли использовать его с моделями вроде OpenAI, Anthropic или Gemini?Да — интеграции здесь центральная идея: чат- и embedding-модели, а также инструменты и тулкиты, причём среди провайдеров в репозитории перечислены OpenAI, Anthropic и Gemini.
Всё, что мне может понадобиться, есть внутри этого одного пакета?Нет — фреймворк работает самостоятельно, но это лишь часть более крупной экосистемы: Deep Agents, LangGraph и LangSmith — отдельные пакеты и продукты, которые вы берёте по мере необходимости.
Это для быстрых экспериментов или для серьёзных продакшен-приложений?И для того, и для другого: он создан для быстрого прототипирования с модульными компонентами и доращивается до продакшена благодаря проверенным временем паттернам и встроенной поддержке мониторинга и оценки качества.
Что такое Deep Agents — та самая отправная точка?Пакет более высокого уровня, построенный поверх LangChain: его агенты из коробки умеют планировать, запускать субагентов и работать с файловой системой, покрывая распространённые агентные паттерны.
Когда мне лучше взять вместо него LangGraph?LangGraph — низкоуровневая часть экосистемы: фреймворк для создания управляемых агентных воркфлоу, которые надёжно справляются со сложными задачами; он лежит ниже высокоуровневых абстракций Deep Agents.
Что такое LangSmith и понадобится ли он мне?Это сопутствующий продукт для разработки, отладки и деплоя агентов — evals, наблюдаемость и отладка для LLM-приложений, плюс платформа деплоя для долгоживущих воркфлоу с сохранением состояния.
Size
596.2 MB
Stars
148K
Age
4y
Commits · 90 Days