LangGraph で構築されたオブザーバーエージェント

以下の前提条件が満たされていることを確認してください。

• Python 3.8 以降がインストールされている。

• Anthropic、 OpenAI,、または LangGraph でサポートされているその他のLLMプロバイダーなどのLLM API キー。

• 検索 API キー（オプション。検索ツール機能用 - Tavilyまたは DuckDuckGo ）。

• Instana アプリケーションに合わせて設定されているか確認するには、 「はじめに」 を参照してください。

LangGraph アプリケーションに Instana を導入するには、以下の手順を実行してください：

1. LangGraph および OpenLLMetry に必要なパッケージをインストールしてください。

   pip install langgraph langchain-anthropic duckduckgo-search traceloop-sdk

2. LLMプロバイダーと検索ツールの認証情報を設定してください。

   export ANTHROPIC_API_KEY="<your-api-key>"
   export TAVILY_API_KEY="<your-tavily-api-key>"

   注:

   別のプロバイダーを使用している場合は、そのプロバイダーの環境変数に置き換えてください（例： OpenAIOPENAI_API_KEY の場合）。 別の検索ツールを使用している場合は、Tavilyの API キーは任意です。

3. LangGraph アプリケーションを作成してください。

   以下の例は、研究者とライターによるマルチエージェント・ワークフローを示しています：

   import os
   from typing import Literal
   from langchain_anthropic import ChatAnthropic
   from langchain_community.tools import DuckDuckGoSearchRun
   from langchain_core.messages import BaseMessage, HumanMessage
   from langgraph.prebuilt import create_react_agent
   from langgraph.graph import MessagesState, StateGraph, START, END
   from langgraph.types import Command
   from traceloop.sdk import Traceloop
   from traceloop.sdk.decorators import workflow
   
   # Initialize OpenLLMetry
   Traceloop.init(app_name="langgraph_demo")
   
   # Define search tool
   search_tool = DuckDuckGoSearchRun()
   
   # Define LLM
   llm = ChatAnthropic(
       model="claude-3-5-sonnet-20241022",
       temperature=0.7,
       max_tokens=600
   )
   
   def get_next_node(last_message: BaseMessage, goto: str):
       if not last_message.content:
           return END
       return goto
   
   # Research agent and node
   research_agent = create_react_agent(
       llm,
       tools=[search_tool],
       state_modifier="You are a research assistant. Your job is to conduct thorough research."
   )
   
   def research_node(state: MessagesState) -> Command[Literal["writer", END]]:
       result = research_agent.invoke(state)
       goto = get_next_node(result["messages"][-1], "writer")
       result["messages"][-1] = HumanMessage(
           content=result["messages"][-1].content,
           name="researcher"
       )
       return Command(
           update={"messages": result["messages"]},
           goto=goto
       )
   
   # Writer agent and node
   writer_agent = create_react_agent(
       llm,
       tools=[search_tool],
       state_modifier="You are a blog writer. Your task is to create a well-structured blog post."
   )
   
   def writer_node(state: MessagesState) -> Command[Literal[END]]:
       result = writer_agent.invoke(state)
       result["messages"][-1] = HumanMessage(
           content=result["messages"][-1].content,
           name="writer"
       )
       return Command(
           update={"messages": result["messages"]},
           goto=END
       )
   
   # Define workflow graph
   workflow = StateGraph(MessagesState)
   workflow.add_node("researcher", research_node)
   workflow.add_node("writer", writer_node)
   workflow.add_edge(START, "researcher")
   graph = workflow.compile()
   
   # Execute workflow
   @workflow(name="langgraph_multi_agent_workflow")
   def run_workflow():
       events = graph.stream(
           {
               "messages": [
                   (
                       "user",
                       "First, research AI trends in 2025. "
                       "Then, based on that research, create a well-structured blog post."
                   )
               ]
           },
           {"recursion_limit": 150}
       )
   
       # Print workflow execution steps
       for event in events:
           print(event)
           print("----")
   
   if __name__ == "__main__":
       run_workflow()

4. LangGraph アプリケーションを実行してください。

   python langgraph_app.py

   このアプリケーションはマルチエージェント・ワークフローを実行し、実行手順を表示します：

   

5. Instana でデータを表示します。

   アプリケーションを実行すると、データが Instana のGen AI可観測性ダッシュボードに表示されます：

   

   ダッシュボードには次のように表示されます：

   • マルチエージェントによるワークフローの実行

   • エージェント間の状態遷移

   • ツールの実行（検索操作）

   • LLMの応答における遅延とトークン使用量

   • 条件付きルーティングの決定

トレースが表示されない、または接続エラーが発生するなどの一般的な問題については、 「トラブルシューティング」 を参照してください。

• Instana がサポートする AIエージェントフレームワークをご覧ください

• LLMの利用にかかる費用の計算方法について

• LangGraph のワークフローにアラートを設定する