#langgraph — Public Fediverse posts

さくらのAI Engineで自作MCPサーバー×LangGraphエージェントを構築した話
https://qiita.com/shibacorgi/items/21ec803d0c38980a9f9a?utm_campaign=popular_items&utm_medium=feed&utm_source=popular_items

#qiita #Python #MCP #LangGraph #AIエージェント #さくらのAI

От болтливых LLM-агентов к управляемым системам

Когда достаточно одного LLM-агента, когда нужна мультиагентная система, а когда лучше вообще использовать обычный workflow? Разбираем современный стек агентных приложений: ReAct, Agent SDK, графы, durable execution, sandbox, память, протоколы, evals и безопасность — с упором на практический выбор архитектуры для production.

https://habr.com/ru/articles/1068168/

#LLM_агенты #AI_агенты #мультиагентные_системы #архитектура_AI_агентов #разработка_LLM_агентов #Agent_SDK #фреймворки_для_AI_агентов #LangGraph #AI_агенты_в_production #безопасность_AI_агентов

#Python Friday #342: Tag Blog Posts With Deep Agents - #ai #langgraph #langchain

https://pythonfriday.dev/2026/07/342-tag-blog-posts-with-deep-agents/

#Python Friday #342: Tag Blog Posts With Deep Agents - #ai #langgraph #langchain

https://pythonfriday.dev/2026/07/342-tag-blog-posts-with-deep-agents/

Архитектурный паттерн «LangGraph, гибридный RAG + Сигнатурный движок»: универсальный граф для потоковых данных

Мы попытались автоматизировать первую линию SOC . Захотелось объединить гибкость ЛЛМ и надежность сигнатурных движков. Поместилось все это в один асинхронный граф. Под капотом гибридный RAG (Vector + BM25), zero‑cost фича для экономии токенов и параллельный сигнатурный анализ. Статья об архитектуре , а не готовом решении. Мы тестировали пайплайн на логах кибербезопасности, но концепция получилась модульной и универсальной. Логи лишь выступают как пример для демонстрации. Представленный граф можно адаптировать под разбор отзывов, фильтрацию спама или модерацию внутренних документов компании.

https://habr.com/ru/articles/1063584/

#python #langgraph #aiагенты #analysis #pipeline #llm #rag #cybersecurity #soc #паттерн

Глубокие агенты (Deep Agents) — всё собрал? Но какой ценой?

Современные AI-агенты строятся достаточно разнообразно. Где-то берут готовые приложения, которые выросли в полноценные фреймворки с преднастроенными агентами. Где-то провайдеры предлагают настройку из готовых блоков через UI на веб-портале. Где-то хочется написать своё: дешевле, в своём контуре или просто иначе. Один из популярных фреймворков для этого - LangChain / LangGraph: удобные обёртки, пайплайны, графы, интеграции под типичные куски агента. В большинстве случаев агенты строятся вокруг базового цикла ReAct (Reasoning + Acting - рассуждение и действие): модель рассуждает, при необходимости вызывает инструмент (tool), смотрит результат и снова думает - пока не отдаст ответ. На короткой задаче этого хватает. На длинной - агент сам накапливает контекст: историю, результаты инструментов, планы, файлы. Вопрос смещается от «как написать промпт» к «как управлять всей этой средой». Этим занимается контекст-инжиниринг (context engineering) . Глубокие агенты (Deep Agents) - готовая реализация этой идеи в экосистеме LangChain: не новый тип модели, а заранее собранная рабочая среда вокруг обычного агента (в API - create_deep_agent поверх create_agent ). В этой статье хочу разобрать, что стоит за словом глубокий (deep): какую проблему решает такая рабочая среда, из каких механизмов она собрана, какую цену за них приходится платить и когда этот «тяжёлый рюкзак» действительно стоит брать.

https://habr.com/ru/articles/1063332/

#langgraph #langchain #aiагенты #агентные_системы

#Python Friday #341: Deep Agents in #LangGraph - #ai

https://pythonfriday.dev/2026/07/341-deep-agents-in-langgraph/

#Python Friday #341: Deep Agents in #LangGraph - #ai

https://pythonfriday.dev/2026/07/341-deep-agents-in-langgraph/

Мой личный джуниор. Бонус: аутентификация в Gradio и пользователи в Langfuse

Привет, Хабр! Меня зовут Владимир, и это внеплановое продолжение цикла про локального MCP-агента. В первых частях мы собрали агента, научили его работать через LangGraph, добавили Gradio-интерфейс, чекпоинты и трассировку. В этой статье я покажу как добавить аутентификацию в Gradio-интерфейс и как использовать её для упорядочивания трейсов в Langfuse и чекпоинтов в LangGraph.

https://habr.com/ru/articles/1058784/

#langgraph #langfuse #gradio #mcp #python #agent #llm

Domain-routed agents vs naive RAG: экономика и риски архитектурного выбора

Классический RAG хорошо ищет отдельные факты, но может пропускать исключения и связи между разными разделами документации. Я проверил альтернативный подход: мультиагентный граф, в котором роутер направляет запрос экспертам по отдельным доменам знаний. В статье — архитектура на LangGraph, сравнение с наивным RAG на датасете из 40 вопросов, метрики качества, задержки и стоимость запросов. А главное — разбор, когда дорогой в эксплуатации агент может оказаться выгоднее дешёвого RAG за счёт экономии инженерного времени.

https://habr.com/ru/articles/1059564/

#RAG #LangGraph #агенты #мультиагентные_системы #ИИ #Python #архитектура #NLP #LLM #llmархитектура

Гибель богов. Fable и ещё 10 LLM реорганизуют код. Сравнение

Это подробный разбор одного эксперимента. Я взял god node из реального LangGraph агента и попросил 5 американских и 6 китайских моделей сначала предложить, как её распутать, а потом оценить предложения друг друга. Дальше тремя разными способами пытался понять, кому из них в этом деле верить.

https://habr.com/ru/articles/1055740/

#LLM #LangGraph #ИИагенты #рефакторинг #нейросети #DeepSeek #Fable #LLMasajudge #архитектура_ПО #бенчмарки_LLM

マルチソース＆クエリ分解で実現する高度なエージェントRAG実践ガイド
https://qiita.com/jjking/items/a73f5e9e489dfdbc9264?utm_campaign=popular_items&utm_medium=feed&utm_source=popular_items

#qiita #Python #rag #LangGraph #AIエージェント

#Python Friday #338: Multi-Agents in #LangGraph - #ai

https://pythonfriday.dev/2026/07/338-multi-agents-in-langgraph/

#Python Friday #338: Multi-Agents in #LangGraph - #ai

https://pythonfriday.dev/2026/07/338-multi-agents-in-langgraph/

Шесть недель с agentic AI против фрода в adversarial-системе

Я слишком рано понёс первые результаты в наш продукт. Тогда это выглядело логично: мы прикрутили агентный ИИ к анализу логов и поведения пользователей в regulated продукте с реальными денежными операциями, качество обнаружения пошло вверх, аналитики по фроду стали меньше возвращать инженерам мусорные кейсы. Снаружи это уже выглядело рабочим слоем защиты: аналитики видели меньше мусора, инженеры получали более понятные issues, и продукт наконец увидел практическую пользу вместо очередного демо. Я примерно так и сказал: “смотрите, это уже не игрушка”. Плохая фраза, как оказалось. Потому что как только защита начинает работать, даже чуть-чуть, вокруг сразу появляются нормальные взрослые вопросы. А давайте это в платежи? А в бонусный абьюз? А в L7? А в социнженерию? А в странные кейсы саппорта, где один тикет внезапно объясняет половину графика? Вопросы честные. Только дорогие. И в системах с живым противником есть ещё одна неприятная деталь: рабочая защита становится сигналом для другой стороны. Пишу по собственному инженерному опыту. Детали слегка обобщены и обезличены, потому что в антифроде лишняя конкретика быстро превращается в инструкцию для другой стороны.

https://habr.com/ru/articles/1053668/

#fraud_detection #llm #agentic_ai #observability #clickhouse #kafka #langgraph #антиабьюз

Как агент сам откроет дверь хакеру? Разбираю три реальных пробоя AI-агентов и почему обычный ред-тиминг их не найдёт

В 2026 году основной поверхностью атак становятся уже не сами LLM, а AI-агенты с инструментами, памятью и доступом к внешним сервисам. Я добавил в свой open-source сканер BarkingDog режим тестирования Agentic AI и проверил три популярных open-source проекта: Agno, OpenAI CS Agents Demo и LangGraph agent-service-toolkit. В результате получил три разных класса проблем: Confused Deputy (ASI03), Trust Exploitation (ASI08) и Agentic DoS (ASI06). В статье разбираю реальные пейлоады, ответы агентов, архитектурные причины этих уязвимостей.

https://habr.com/ru/articles/1052922/

#LLM #AI_Agents #Agentic_AI #Red_Teaming #OWASP_ASI #MCP #Prompt_Injection #LangGraph #Agno #BarkingDog

Облачная LLM на 16 ГБ VRAM — часть 3: ChatGPT-интерфейс для ваших LangGraph-агентов

Финал цикла про облачную LLM на 16 ГБ VRAM. За две предыдущие статьи мы подняли собственную локальную модель на

https://habr.com/ru/companies/selectel/articles/1050792/

#langgraph #langchain #agentchatui #nextjs #fastapi #vllm #mcp #aiагенты #nginx #selectel

#Python Friday #337: Add a #MCP Server to #LangGraph - #ai

https://pythonfriday.dev/2026/06/337-add-a-mcp-server-to-langgraph/

#Python Friday #337: Add a #MCP Server to #LangGraph - #ai

https://pythonfriday.dev/2026/06/337-add-a-mcp-server-to-langgraph/

Мой личный джуниор. Часть 3. Учим агента ждать

Привет, Хабр! Меня зовут Владимир и это продолжение статьи про разработку локального кодер-агента. В первой части мы создали инфраструктуру: подняли контейнер с моделью, настроили Langfuse для трассировки и написали простейшего агента с доступом к MCP-инструментам. Во второй части мы добавили агенту мозги: планировщик, оценщики, защиту от зацикливания и суммаризацию контекста. Сегодня мы превратим этот набор в работающий граф. Добавим чекпоинтеры, прерывания и доработаем интерфейс под обновлённую архитектуру.

https://habr.com/ru/articles/1049774/

#aiагенты #langgraph

Мой личный джуниор. Часть 2. Даём агенту немножечко мозгов

Привет, Хабр! Меня зовут Владимир и это продолжение статьи про разработку локального кодер-агента на LangGraph с доступом к MCP-инструментам. В первой части мы создали инфраструктуру, написали простейшего агента и дали ему доступ к MCP-серверам для работы с файлами, кодом Git и документацией. В этой половинке мы добавим агенту немного мозгов.

https://habr.com/ru/articles/1049772/

#langgraph #aiагенты #langfuse

Если клиент не идёт в больничку — телефонный бот для телемедицины

Расскажу, как я писал телефонного бота для обзвона клиентов страховой компании. Как сокращал время ответа и боролся с подвисанием при вызове API.

https://habr.com/ru/articles/1047236/

#agentic_ai #voice_assistant #twilio #promptengineering #langgraph #cloudformation #aws

#Python Friday #335: Handle the Raspberry-Test in #LangGraph - #ai

https://pythonfriday.dev/2026/06/335-handle-the-raspberry-test-in-langgraph/

#Python Friday #335: Handle the Raspberry-Test in #LangGraph - #ai

https://pythonfriday.dev/2026/06/335-handle-the-raspberry-test-in-langgraph/

Helix Agent Ai — российский самообучающийся AI-агент. Полное руководство по развертыванию и использованию в 2026 году

Заголовок: Helix — российский самообучающийся AI-агент с поддержкой MCP: полное руководство по развертыванию и использованию в 2026 году

https://habr.com/ru/articles/1045716/

#helix #aiagent #selfhosted #ollama #mcp #langgraph #onpremise #приватность #python

via #AIFoundry : Build 2026: From observability to ROI for AI agents on any framework 

https://ift.tt/PChVomt
#AIagents #observability #AgentDevOps #Foundry #Build2026 #ROI #interoperability #OpenTelemetry #LangChain #LangGraph #OpenAI #AzureMonitor #azd #trace #evaluation #m…

via #AIFoundry : Build 2026: From observability to ROI for AI agents on any framework 

https://ift.tt/PChVomt
#AIagents #observability #AgentDevOps #Foundry #Build2026 #ROI #interoperability #OpenTelemetry #LangChain #LangGraph #OpenAI #AzureMonitor #azd #trace #evaluation #m…

I built a small AI assistant that drafts Mastodon and Bluesky posts for my blog.
After 40+ published posts, the most useful lessons were:
• Don't hand strategy to the LLM when you have almost no engagement data
• Treat it as an assistant, not an autonomous agent
• Human review matters more than sophisticated prompting
• A Python container is often easier than serverless
• The whole setup costs about €0.20/month

https://www.fretchen.eu/blog/29/

#AI #LLM #LangGraph #IndieWeb #SelfHosting

I built a small AI assistant that drafts Mastodon and Bluesky posts for my blog.
After 40+ published posts, the most useful lessons were:
• Don't hand strategy to the LLM when you have almost no engagement data
• Treat it as an assistant, not an autonomous agent
• Human review matters more than sophisticated prompting
• A Python container is often easier than serverless
• The whole setup costs about €0.20/month

https://www.fretchen.eu/blog/29/

#AI #LLM #LangGraph #IndieWeb #SelfHosting

#Python Friday #334: Create Subgraphs in #LangGraph - #ai

https://pythonfriday.dev/2026/06/334-create-subgraphs-in-langgraph/

#Python Friday #334: Create Subgraphs in #LangGraph - #ai

https://pythonfriday.dev/2026/06/334-create-subgraphs-in-langgraph/

Как устроены LLM-агенты: архитектура, планирование и инструменты

Если вы хоть раз просили ChatGPT выполнить какую-то задачу и получали в ответ инструкцию "как это сделать" вместо того чтобы он взял и сделал сам - вы столкнулись с ограничением обычной языковой модели. Она умеет объяснять и советовать, но сама ничего не делает: не лезет в интернет, не запускает код, не сохраняет файлы. Просто отвечает. LLM-агент - это другая история. Это система, которая получает задачу и начинает её решать: ищет информацию, пишет и запускает код, вызывает API, сохраняет результаты. Она не просто говорит "вот как это можно сделать" - она берёт и делает. В этой статье разберём, как такие системы устроены изнутри: из каких компонентов состоят, как принимают решения, какие инструменты используют и где обычно ломаются.

https://habr.com/ru/articles/1043878/

#LLM #агенты #AI_agents #prompt_engineering #архитектура_ИИ #LangGraph #ChatGPT #языковые_модели

Мой личный джун. Часть 1. Учим агента писать код и пользоваться git

Привет, Хабр! Меня зовут Владимир и я стал немного более GPU-rich. А это значит, что пора сдуть пыль со старого проекта) В этой части статьи мы создадим необходимую инфраструктуру, напишем простого агента, а также добавим нашему агенту MCP-инструменты.

https://habr.com/ru/articles/1043348/

#langchain #langgraph #langfuse #aiагенты

🚀LangGraph: The #AI #pipeline savior nobody asked for! Apparently, it's the go-to for building #agentic #workflows, but spoiler alert: the real challenge is figuring out if you even need it. 😅 Meanwhile, teams are rushing to adopt it because, you know, everyone else is doing it—peer #pressure in #tech form. 🤖💥
https://labyrinthanalyticsconsulting.com/blog/building-first-langgraph-pipeline #LangGraph #trends #peer #HackerNews #ngated

🚀LangGraph: The #AI #pipeline savior nobody asked for! Apparently, it's the go-to for building #agentic #workflows, but spoiler alert: the real challenge is figuring out if you even need it. 😅 Meanwhile, teams are rushing to adopt it because, you know, everyone else is doing it—peer #pressure in #tech form. 🤖💥
https://labyrinthanalyticsconsulting.com/blog/building-first-langgraph-pipeline #LangGraph #trends #peer #HackerNews #ngated

Building a LangGraph pipeline for production data engineering

https://labyrinthanalyticsconsulting.com/blog/building-first-langgraph-pipeline

#HackerNews #LangGraph #DataEngineering #ProductionPipeline #TechTrends #Analytics

Building a LangGraph pipeline for production data engineering

https://labyrinthanalyticsconsulting.com/blog/building-first-langgraph-pipeline

#HackerNews #LangGraph #DataEngineering #ProductionPipeline #TechTrends #Analytics

Агентные фреймворки: обещали революцию, что осталось в 2026

Два года назад все хотели агента, который «сам пишет код, сам его тестирует и сам деплоит в прод». Сейчас 2026 год. Давайте честно поговорим о том, что из этого взлетело, а что тихо умерло в корпоративных slack-каналах под сообщениями «окей, пока притормозим с агентами».

https://habr.com/ru/articles/1041274/

#LLMагенты #LangChain #LangGraph #AutoGen #MCP #RAG #агентные_системы #AI_в_продакшене #LlamaIndex

#Python Friday #333: Inspect and Rerun Workflows in #LangGraph - #ai

https://pythonfriday.dev/2026/05/333-inspect-and-rerun-workflows-in-langgraph/

#Python Friday #332: Long-Term Memory in #LangGraph - #ai

https://pythonfriday.dev/2026/05/332-long-term-memory-in-langgraph/

#Python Friday #331: Short-Term Memory in #LangGraph - #ai

https://pythonfriday.dev/2026/05/331-short-term-memory-in-langgraph/

@talkpython @mkennedy Thanks for this #podcast, actually I did put everything I could find about #langgraph and #llms on my queue and I'm looking forward to my next commutes

#Python Friday #330: Selective Approval With #LangGraph - #ai

https://pythonfriday.dev/2026/05/330-selective-approval-with-langgraph/

LangGraph and Microsoft Agent Framework look similar on features, but their real difference is how they handle workflow state. https://hackernoon.com/langgraph-vs-microsoft-agent-framework-the-real-difference-is-state #langgraph

#Python Friday #329: Human in the Loop With #LangGraph - #ai

https://pythonfriday.dev/2026/05/329-human-in-the-loop-with-langgraph/

#Python Friday #328: Create Tools for #LangGraph - #ai

https://pythonfriday.dev/2026/04/328-create-tools-for-langgraph/

#Python Friday #327: Visualise the Graph in #LangGraph - #ai

https://pythonfriday.dev/2026/04/327-visualise-the-graph-in-langgraph/

https://www.tkhunt.com/2287450/ SP-047 徹底解説：エンタープライズ自律型AIエージェント セキュリティフレームワーク｜7統制領域×35 NIST統制×4大実例 #AgenticAi #AI #AIAgent #AIGovernance #AIエージェント #AIガバナンス #AIセキュリティ #AmazonQ #ArtificialIntelligence #ASI01 #ASI02 #ASI09 #CISO #Copilot #Cybersecurity #EchoLeak #LangChain #LangGraph #MITREATLAS #NIST80053 #OpenSecurityArchitecture #OWASP #Replit #SP047 #TrustAISecurity #エージェントセキュリティ #エージェント型AI #エンタープライズセキュリティ #サイバーセキュリティ #プロンプトインジェクション #人工知能 #自律型AI

#Python Friday #326: Control Flow in #LangGraph - #ai

https://pythonfriday.dev/2026/04/326-control-flow-in-langgraph/

🚀 LangGraph Workflow Orchestration
#LangGraph #AI #Workflow #Automation #DataScience
🔗 Find similar services on ClawGig: https://clawgig.ai/search?q=LangGraph%2BWorkflow%2BOrchestration

🚀 LangGraph Workflow Orchestration
#LangGraph #AI #Workflow #Orchestration
🔗 Find similar services on ClawGig: https://clawgig.ai/search?q=LangGraph%2BWorkflow%2BOrchestration

🚀 LangGraph Workflow Orchestration
#LangGraph #Workflow #AI #Orchestration #Automation
🔗 Find similar services on ClawGig: https://clawgig.ai/search?q=LangGraph%2BWorkflow%2BOrchestration