Két éve indult a LangChain, már 700 integrációt kínál

A LangChain küldetése változatlan maradt

A LangChain eredeti célja az volt, hogy összekapcsolja a nagy nyelvi modelleket külső számítási és adatforrásokkal. A vállalat ezt ma úgy fogalmazza meg, hogy a kontextusérzékeny, ügynökalapú alkalmazások fejlesztését szeretné a lehető legegyszerűbbé tenni.

A küldetés megmaradt, a hozzá használt eszközök köre azonban jelentősen bővült. A langchain Pythonhoz és JavaScripthoz készült nyílt forráskódú könyvtár mellett megjelent a LangGraph és a LangSmith is. A vállalat szerint 2022-ben elsősorban az jelentett kihívást, hogy a fejlesztők gyorsan el tudjanak kezdeni kísérletezni az új technológiával. Ma már a jó minőségű, megbízható és élesben is használható alkalmazások elkészítése a fontosabb feladat.

Három integrációból több mint hétszáz lett

A LangChain indulásakor a generatív mesterséges intelligencia ökoszisztémája még nagyon korai szakaszban volt. A vállalat közlése szerint akkor körülbelül három nyelvimodell-szolgáltatóhoz kínáltak integrációt, a fejlesztők pedig akár öt sor kóddal is elindulhattak a gyakori felhasználási esetek felé.

Azóta a terület stabilabbá és nagyobbá vált. A LangChain szerint ma már több mint 70 modellszolgáltató és több mint 700 különböző integráció érhető el a rendszerben. Ezek között dokumentumbetöltők, vektortárolók és lekérdezők is szerepelnek. A vállalat úgy látja, hogy a nyelvimodell-alkalmazások egyre gyakrabban kerülnek ki hackathonokból, és jelennek meg éles környezetben.

A fejlesztők számának növekedését a cég saját adatai is mutatják. A LangChain Python- és JavaScript-projektjeinek közreműködői egy év alatt 2000-ről 4000-re emelkedtek. A LangChain által működtetett alkalmazások száma 30 ezerről 132 ezerre nőtt, a letöltések száma pedig 20 millióról több mint 130 millióra emelkedett.

A LangSmith és a LangGraph a megbízhatóságra fókuszál

A LangChain a felhasználóival és partnereivel folytatott beszélgetések során arra jutott, hogy a nyelvi modellek megbízhatatlansága jelentős akadályt jelent. A modell bekötése önmagában nem garantálja, hogy az alkalmazás következetesen jó döntéseket hoz, ezért a vállalat 2023 elején elkezdte fejleszteni a LangSmitht.

A LangSmith két fő területet céloz: a megfigyelhetőséget és az értékelést. A megfigyelhetőség segíthet meghatározni, hol hibázik egy nyelvimodell-alkalmazás, az értékelés pedig a visszaesések felismerését és a rendszer folyamatos javítását támogatja. A cég szerint a Moody's, az Elastic, a Podium és a Rakuten közreműködésével finomították a terméket.

A LangGraph fejlesztését az indokolta, hogy a kész láncok túl merevek, az előre beállított ügynökök pedig nem mindig elég megbízhatók nagyobb léptékben. A keretrendszerrel a fejlesztők pontosan meghatározott munkafolyamatokat és önállóbb, alkalmazkodó ügynököket is építhetnek. A LangGraph emberi beavatkozást és moderációs ciklusokat is támogat, így a készítők nagyobb ellenőrzést szerezhetnek az ügynökök viselkedése felett.

A nyílt forráskódú alap stabilabb lett

A LangChain beszámolója szerint a nyílt forráskódú csomag 2024 elején érte el az első stabil kiadását, azóta pedig mindössze két, visszamenőlegesen inkompatibilis változtatásokat tartalmazó kiadás jelent meg. A könyvtár az integrációk számának bővülésével átfogóbbá is vált, a legfontosabb partnerekhez külön integrációs csomagokat, az egyes komponensekhez pedig szabványosított teszteket készítettek.

A vállalat a LangSmith és a LangGraph fejlesztése mellett arra is figyelt, hogy ezek az eszközök együttműködjenek a LangChain komponenseivel. A cél az, hogy a korábbi LangChain-láncokat robusztusabb LangGraph-alkalmazásokba lehessen átvezetni, miközben az alkalmazások tesztelése és működésük nyomon követése is megoldható marad.

A LangChain a következő időszakban további fejlesztői eszközök megjelenésére számít. A vállalat szerint a terület még korai szakaszban jár, ezért a LangChain, a LangGraph és a LangSmith mellett újabb komponensekre is szükség lesz ahhoz, hogy a fejlesztők összetett, megbízható alkalmazásokat készíthessenek.