강의

멘토링

커뮤니티

NEW
AI Technology

/

AI Agent Development

LangGraph in Action: LLMを使った高度なAIエージェントの開発

このコースで学べること LangGraph in Actionへようこそ。このコースは、LangGraphを使用した高度なAIエージェントの設計とデプロイをマスターするための究極のガイドです。このコースでは、モジュール式でスケーラブル、そして本番環境に対応したエージェントを構築するための基礎を、実践的なアプローチで学びます。LangGraphの状態ベース設計の基本を理解することから、フルスタックアプリケーションの作成まで、AIエージェントを実現するために必要なスキルを習得できます。 コースのハイライト 状態ベース設計:ノードとエッジというLangGraphの中核となる哲学を深く学び、構造化された保守性の高いエージェントを作成します。 メモリ管理:チェックポインターによる短期メモリとStoreオブジェクトによる長期メモリを探求し、適応して学習するエージェントを実現します。 高度なワークフロー:ヒューマン・イン・ザ・ループシステムの構築、並列実行の実装、マルチエージェントパターンのマスターを行います。 本番環境対応の開発:非同期操作、サブグラフを学び、FastAPIとDockerを使用したフルスタックアプリケーションを作成します。 コース修了時には、強固な理論的理解だけでなく、完全にオープンソースツールを使用してAIエージェントをどこにでもデプロイできる実践的なスキルを身につけることができます。最先端を走り続けたい開発者であれ、AIツールキットを拡張したいベテランエンジニアであれ、このコースは急速に成長するAIエージェント分野に対応できる力を提供します。 実世界のアプリケーションにおけるAIエージェントの採用が増加する中、このコースは実践的な課題を解決する高度なシステムを設計、構築、デプロイする準備を整えます。一緒にAIの未来を構築し、形作っていきましょう!

2名 が受講中です。

  • Markus Lang
multi-agent
fullstack
rag시스템구축
AI Coding
Python
FastAPI
LangChain
AI Agent
LangGraph

受講後に得られること

  • LangGraphを使用してモジュール式で本番環境対応のAIエージェントを構築する

  • AIエージェントの短期記憶と長期記憶を管理する

  • # 人間参加型ワークフローと複雑なマルチエージェントシステムの開発

  • FastAPIとDockerを使用してフルスタックアプリケーションにAIエージェントをデプロイする

  • Pytestを使用したAIエージェント機能のテストと保守

LangGraph実践:メモリ、マルチエージェントワークフロー、フルスタックデプロイメントによるAIエージェントの習得

このコースでは、LangGraphを使用して実際の本番環境対応AIエージェントを設計、構築、デプロイする方法を学びます。状態駆動型ワークフローの構築、短期および長期メモリの統合、マルチエージェントシステムの実装、FastAPIとDockerを使用したアプリケーションのデプロイ方法を習得できます。
これらのスキルは、ソフトウェアエンジニアリング、自動化、AI開発、インテリジェントアシスタントの作成、AI搭載製品の構築において、今日不可欠なものです。

推奨対象

このコースの対象者(1)

このコースは、ノーコードツールや過度に簡略化されたエージェントチュートリアルに限界を感じている開発者向けです。多くの方が、堅牢でテスト可能、かつモジュール式のワークフローを構築したいと考えていますが、中断、メモリ、または多段階の意思決定をサポートするエージェントをどのように構造化すればよいかわからないのが現状です。
このコースは、LangGraphを使用して信頼性の高い本番環境向けシステムを構築する方法を示すことで、まさにこれらの課題に対処します。

このコースの対象者(2)

特に、最新のエージェントの仕組みを本当に理解したいと考えている、基本的なLangChainの経験を持つPython開発者向けに設計されています:状態管理、リデューサー、サイクル、条件付きエッジ、サブグラフ、高度なツール呼び出し、長期記憶、そしてAPI統合。
表面的なチュートリアルを超えて、実際のアプリケーションで使用されるエージェントを構築したい方に最適なコースです。

このコースの対象者(3)

このコースは、ヒューマン・イン・ザ・ループワークフロー、階層的マルチエージェントシステム、または複雑なRAGパイプラインを実装したいエンジニアにも最適です。
自律エージェントの構造化、ノードの並列実行、非同期およびストリーミング実行の操作、そしてDockerでデプロイ可能なフルスタックアプリケーションへのエージェント統合方法を学びます。

このコースを受講した後

このコースを修了すると、以下のことができるようになります:

  • LangGraphのコアロジックを理解する(State、Nodes、Edges、Cycles、Reducers)。

  • エージェントに短期記憶(チェックポインター)と長期記憶(Store)を実装する。

  • 複雑なワークフローを構築します。ツール呼び出し、高度なRAG、分類、中断、再開、フォークなどが含まれます。

  • マルチエージェントシステム(スーパーバイザーエージェント、サブエージェント、階層的ワークフローなど)を開発する。

  • FastAPIとDockerを使用して、本番デプロイメント用の完全なエージェントアプリケーションを構築します。

  • Pytestを使用してノードとワークフローロジックをユニットテストし、信頼性と保守性を向上させましょう。

これらのスキルを応用して、以下のようなものを作成できるようになります:

  • エンタープライズアシスタント

  • 自動化パイプライン

  • ドキュメント処理やカスタマーサポートに特化したエージェント

  • マルチステップ自律エージェント

  • そして、モジュラーアーキテクチャ上に構築された完全なAI駆動製品まで。

よくある質問

Write at least three questions and answers that prospective students may have before enrolling. Instead of generic responses, show your personality and expertise in your answers.

Q. なぜLangGraphを学ぶべきなのでしょうか?

現代のエージェントには構造化されたアプローチが必要だからです。LangGraphを使用すると、明確でテスト可能、拡張可能、そして本番環境に対応したワークフローを構築できます。従来のプロンプトベースやスクリプトベースの方法とは異なり、LangGraphは実際のアプリケーションに特化したプロフェッショナルなアーキテクチャを提供します。

Q. LangGraphを学んだ後、何ができますか?

独自のインテリジェントエージェントを構築できるようになります:RAGエージェント、エンタープライズアシスタント、社内自動化システム、ヒューマン・イン・ザ・ループワークフロー、マルチエージェントオーケストレーション、またはAPIとDockerデプロイメントを備えた完全なAIアプリケーション。
これらのスキルは非常に需要が高く、実際のプロジェクトですぐに応用できます。

Q. コースの内容はどの程度詳しいですか?

このコースは中級から上級レベルです。LangGraphの必須基礎と、長期メモリ、サブグラフ、非同期ストリーミング、階層型エージェント、FastAPI統合、ユニットテストなどの高度な機能の両方をカバーしています。

Q. 受講前に準備しておくべきことはありますか?

You should be comfortable with Python (functions, classes, OOP), have a basic understanding of LangChain, and feel confident using the terminal. Basic Docker knowledge is helpful but everything necessary is explained in the course.

Q. コースは更新されますか?

はい。LangGraphは急速に進化しており、主要なアップデート(0.5.xの変更など)はコースに追加される予定です。

受講前に

練習環境

対応OS:
Windows、macOS、Linux(Ubuntuを推奨)

必要なツール:

  • Python 3.10以上

  • Docker Desktop

  • Git

  • VS Code または Cursor

  • FastAPI(講座中にインストール)

推奨PCスペック:

  • クアッドコアCPU

  • 8–16 GB RAM

  • 5–10 GBの無料ストレージ

  • GPUは不要

学習教材

I'm ready to translate English text to Japanese. Please provide the text you'd like me to translate, and I will return only the translated content following all the guidelines you

  • # 完全で整理されたすべてのセクションのソースコード

  • # 1 reference article

  • ダウンロード可能なテンプレートと必須ファイルを含むリソース

  • 高品質な動画コンテンツ

  • フルスタックエージェントアプリケーション(FastAPI + Docker)の完全なデモンストレーション

すべての素材は軽量で、きれいに構造化されており、あなた自身のプロジェクトですぐに再利用できます。

前提条件と注意事項

  • 中級レベルのPythonと基本的なLangChainの知識が必要です。

  • すべての動画は高品質で実践的です。

  • 学生はプラットフォームを通じて質問することができます。

  • LangGraphの進化に応じて、主要なアップデートが追加される予定です。

  • すべてのコース資料は著作権で保護されており、個人使用のみを目的としています。


こんな方に
おすすめです

学習対象は
誰でしょう?

  • LangChainの経験を持ち、高度なAIエージェントの構築に進みたいPython開発者とソフトウェアエンジニア

  • 実世界のアプリケーションに向けて、モジュール式で適応性の高いAIエージェントを設計、開発、デプロイしようとする専門家

前提知識、
必要でしょうか?

  • 基本的なPythonプログラミングスキル

  • LangChainまたは類似のLLMベースのワークフローフレームワークの経験

こんにちは
です。

Hello, I'm Markus, a software developer specializing in Artificial Intelligence and Python. I work in the finance industry and have extensive experience developing LLM applications with LangChain and successfully deploying them into production.

I am passionate about teaching and strive to make complex topics approachable and practical for my students, focusing on providing clear, hands-on learning experiences.

I’m excited to share my knowledge with you and help you grow your skills.

I look forward to welcoming you to my courses and being part of your learning journey!

カリキュラム

全体

45件 ∙ (3時間 24分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

まだ十分な評価を受けていない講座です。
みんなの役に立つ受講レビューを書いてください!

期間限定セール

¥19,800

30%

¥3,530

Markus Langの他の講座

知識共有者の他の講座を見てみましょう!

似ている講座

同じ分野の他の講座を見てみましょう!