چارچوب توسعه عامل
LangGraph (لنگ‌گراف)
معرفی LangGraph با مجوز MIT: اجرای بادوام، human-in-the-loop، حافظه، رهگیری، گزینه‌های استقرار Cloud، Hybrid و خودمیزبان و ملاحظات سازمانی.
وضعیت مستندات: مستند رسمی خدمات کهن سیستم: مشروط به ارزیابی فنی
LangGraph محصول LangChain Inc. است؛ این صفحه معرفی مستقل کهن سیستم فردا بر اساس منابع رسمی است.
شناسنامه محصول
| نام محصول | LangGraph |
|---|---|
| سازنده | LangChain Inc. |
| دسته | چارچوب توسعه عامل |
| وب‌سایت رسمی | www.langchain.com/langgraph (پیوند خارجی) |
| مستندات | docs.langchain.com/oss/python/langgraph/ (پیوند خارجی) |
| مخزن کد | github.com/langchain-ai/langgraph (پیوند خارجی) |
| مجوز | MIT (تأییدشده با منبع) |
| متن‌باز | بله |
| نسخه بررسی‌شده | 1.2.17 |
| مدل‌های استقرار | خودمیزبان (Self-Hosted)، درون‌سازمانی (On-Premise)، ابری، ترکیبی |
| مدل‌های پشتیبانی‌شده | هر مدل از طریق یکپارچه‌سازی‌های LangChain (مستقل از فروشنده) |
| یکپارچگی‌ها | LangChain، LangSmith، Deep Agents، Python، LangGraph.js (کتابخانهٔ جداگانه) |
| دسترسی API | تأییدنشده |
| آخرین بررسی |
معرفی LangGraph
چیست؟
LangGraph یک چارچوب و زمان اجرای سطح پایین برای ساخت و استقرار عامل‌های بلندمدت و حالت‌دار است که LangChain Inc. آن را با مجوز MIT منتشر کرده است. کتابخانه با pip نصب می‌شود (نسخهٔ 1.2.17 در PyPI، 2026-10-24) و بدون LangChain هم قابل استفاده است.
چه می‌کند؟
منطق دست‌نویس و گام‌های مبتنی بر مدل را در یک گراف ترکیب می‌کند. طبق مستندات: اجرای بادوام که پس از خطا ادامه می‌یابد، بازرسی و ویرایش وضعیت توسط انسان (human-in-the-loop)، حافظهٔ کوتاه و بلندمدت، رهگیری با LangSmith و استقرار. Deep Agents (برنامه‌ریزی، زیرعامل‌ها، ابزار فایل) روی LangGraph ساخته شده است.
چگونه کار می‌کند؟
توسعه‌دهنده گره‌ها و یال‌های گراف را در کد تعریف می‌کند؛ وضعیت در هر گام ذخیره می‌شود، می‌توان اجرا را متوقف کرد (interrupt) و بعداً ادامه داد. استقرار می‌تواند خودکار با LangSmith Deployment یا با اجرای Agent Server توسط خود سازمان باشد.
چه مسئله‌ای را حل می‌کند؟
برای فرایندهای سازمانی که باید قابل‌پیش‌بینی، قابل‌ممیزی و ادامه‌پذیر باشند؛ جایی که کنترل دقیق بر محل تصمیم‌گیری مدل مهم است.
برای چه کسانی است؟
تیم‌های مهندسی نرم‌افزار و داده که می‌خواهند عامل سفارشی بسازند و نگهداری کنند؛ نه یک محصول آمادهٔ کاربر نهایی.
سناریوهای کاربرد
عامل چندمرحله‌ای با تأیید انسانی؛ مسیریابی بین عامل‌های تخصصی؛ فرایند RAG کنترل‌شده. پیشنهادی و آزمون‌نشده در KSF.
تفاوت با گزینه‌های دیگر
LangGraph چارچوب است، نه عامل آماده. برخلاف goose یا OpenClaw که خود نرم‌افزار قابل‌استفاده‌اند، باید کد نوشت. کتابخانه آزاد است، اما برخی گزینه‌های استقرار (Cloud، self-hosted با control plane، standalone) به پلن یا مجوز LangSmith وابسته‌اند.
قابلیت‌های تأییدشده
وضعیت هر قابلیت بر اساس منبع یا آزمون مشخص شده است؛ «نامشخص» یعنی هنوز منبعی ثبت نشده است.
| قابلیت | وضعیت |
|---|---|
| فراخوانی ابزار (Tool Calling) | مستند رسمی |
| هماهنگی چندعاملی | مستند رسمی |
| حافظه | مستند رسمی |
| بازیابی دانش (RAG) | تأییدنشده |
| اتصال به API | تأییدنشده |
| خودکارسازی گردش کار | مستند رسمی |
| خودکارسازی مرورگر | تأییدنشده |
| کار با رایانه (Computer Use) | تأییدنشده |
| تعامل صوتی | تأییدنشده |
| انعطاف در انتخاب مدل | مستند رسمی |
| استقرار ابری / درون‌سازمانی | مستند رسمی |
| کنترل دسترسی | تأییدنشده |
| ثبت رویداد (Logging) | تأییدنشده |
| حاکمیت و انطباق | مستند رسمی |
| مشاهده‌پذیری (Observability) | مستند رسمی |
معماری و الزامات استقرار
- پیش‌نیازها
- Python و نصب pip install -U langgraph؛ برای استقرار Agent Server نیازهای جدول گزینه‌ها.
- وابستگی‌ها
- مدل زبانی (از طریق LangChain یا مستقیم)، اختیاری LangSmith؛ در استقرار standalone: PostgreSQL، Redis و مجوز LangSmith.
- محیط‌های اجرا
- خود کتابخانه هرجا Python اجرا شود؛ Cloud روی AWS و GCP توسط LangChain، Hybrid (data plane در زیرساخت شما)، Self-hosted با control plane روی Kubernetes، Standalone با Docker/Compose/Kubernetes.
- منابع پردازشی
- بسته به مدل و بار؛ مدل می‌تواند محلی باشد.
- ذخیره‌سازی و حالت
- persistence داخلی برای ادامهٔ اجرا؛ در استقرار standalone با PostgreSQL.
- احراز هویت
- در منابع بررسی‌شده توضیح داده نشد.
- شبکه
- در معماری Hybrid و Self-hosted، داده داخل شبکهٔ سازمان می‌ماند؛ جزئیات در صفحات مربوط.
- الگوهای یکپارچگی
- LangChain، LangSmith، Deep Agents، MCP/ابزارها از طریق LangChain.
- محدودیت‌ها
- گزینهٔ self-hosted with control plane به پلن Enterprise و گزینهٔ Cloud به پلن Plus یا بالاتر نیاز دارد (طبق صفحه)؛ API سرور و RBAC در صفحات بررسی‌شده تأیید نشد.
تحلیل امنیتی
| تهدید | کنترل پیشنهادی یا مستند |
|---|---|
| تزریق دستور | طراحی گراف با گام‌های صریح و اعتبارسنجی؛ interrupt برای تأیید انسانی قبل از ابزار پرریسک. |
| مجوز ابزار | ابزارها در کد خودتان با کمینه دسترسی تعریف می‌شوند؛ هیچ مجوز پیش‌فرض خودکار وجود ندارد. |
| نشت داده | اجرای Hybrid/Self-hosted برای ماندن داده در شبکهٔ داخلی؛ انتخاب مدل محلی یا نقطهٔ کنترل‌شده. |
| تأیید انسانی | human-in-the-loop و بازرسی/ویرایش وضعیت (مستند). |
| ممیزی | رهگیری با LangSmith (مستند)؛ لاگ داخلی توصیهٔ KSF. |
| زنجیرهٔ تأمین | تثبیت نسخهٔ وابستگی‌ها، اسکن وابستگی. |
کاربردهای سازمانی
فرایند تأیید چندمرحله‌ای با انسان
گراف با interrupt برای تأیید مدیر؛ پیشنهادی.
RAG کنترل‌شده
گرافی با گام‌های بازیابی، اعتبارسنجی و پاسخ؛ پیشنهادی.
مسیریابی بین عامل‌های تخصصی
هماهنگ‌کنندهٔ مرکزی با زیرعامل‌ها؛ نیازمند آزمون.
قیمت و مجوز
- مدل مجوز
- کتابخانه MIT؛ LangSmith Deployment طبق پلن (Cloud: Plus یا بالاتر؛ self-hosted: Enterprise؛ standalone: مجوز LangSmith).
- قیمت منتشرشده
- نامشخص
- وابستگی به API و مدل
- هزینهٔ مدل جدا.
- هزینه زیرساخت
- Kubernetes/Docker، PostgreSQL و Redis در گزینه‌های خودمیزبان.
- نگهداری
- نگهداری کد گراف و زیرساخت.
- محدودیت‌ها
- طبق پلن.
- صفحه قیمت رسمی
- www.langchain.com (پیوند خارجی)
- وضعیت تأیید قیمت
- نامشخص — تاریخ بررسی:
قیمت‌ها را سازنده تعیین می‌کند و ممکن است تغییر کند؛ پیش از تصمیم، صفحه رسمی را ببینید.
دیدگاه کهن سیستم فردا و پادیار
- بازیابی دانش (RAG)
- گراف RAG سفارشی؛ پیشنهاد KSF.
- یکپارچگی API
- ابزارها و API سازمانی در گره‌ها؛ پیشنهاد.
- هماهنگ‌سازی
- اصلی‌ترین کاربرد؛ هنوز در KSF آزمون نشده.
- حاکمیت
- interrupt و ممیزی؛ پیشنهاد.
- تجربه کاربری فارسی
- به مدل وابسته است.
- زیرساخت خصوصی
- کتابخانه و Hybrid/Standalone قابل‌ارزیابی داخلی‌اند؛ آزمون KSF انجام نشده.
موارد این بخش پیشنهادهای طراحی کهن سیستم فردا هستند، مگر آنکه وضعیت «آزموده در کهن سیستم» داشته باشند. پادیار (پیوند خارجی) چت‌بات سازمانی‌ای است که کهن سیستم فردا طراحی و توسعه داده است.
پرسش‌های متداول
LangGraph چه مجوزی دارد؟
MIT؛ متن LICENSE مخزن بررسی شد.
آیا به LangChain وابسته است؟
طبق مستندات می‌توان بدون LangChain از آن استفاده کرد.
آیا استقرار داخلی دارد؟
کتابخانه هرجا Python اجرا شود، و LangSmith Deployment گزینه‌های Hybrid، Self-hosted و Standalone دارد که برخی به پلن یا مجوز نیاز دارند.
درخواست طراحی معماری
برای بررسی به‌کارگیری LangGraph در سازمان خود، درخواست مشاوره ثبت کنید.
شواهد، منابع و اصلاح اطلاعات
- LangGraph — مخزن رسمی GitHub (پیوند خارجی) بررسی: — هویت، توسعه‌دهنده LangChain Inc.، ویژگی‌ها
- LangGraph — فایل LICENSE (پیوند خارجی) بررسی: — مجوز MIT
- LangGraph — نمای کلی (پیوند خارجی) بررسی: — اجرای بادوام، human-in-the-loop، حافظه، اشکال‌زدایی، استقرار
- LangSmith Deployment — گزینه‌ها (پیوند خارجی) بررسی: — Cloud، Hybrid، Self-hosted، Standalone و نیازمندی‌های پلن
- langgraph در PyPI (پیوند خارجی) بررسی: — نسخهٔ کتابخانه 1.2.17 (PyPI، 2026-10-24)
- تاریخ بررسی منابع
- مسئول محتوا
- KSF Agent Hub editorial (lane D)
- آزموده‌شده توسط کهن سیستم فردا
- خیر
- وضعیت خدمات کهن سیستم
- مشروط به ارزیابی فنی
- محدودیت‌های این معرفی
- این صفحه بر اساس منابع عمومی سازنده در تاریخ بررسی تهیه شده است و جایگزین مستندات رسمی نیست؛ قابلیت‌ها ممکن است پس از این تاریخ تغییر کرده باشند.
- گزارش اشتباه
- اگر اطلاعات نادرست یا قدیمی می‌بینید، از طریق فرم درخواست اطلاع دهید؛ پس از بررسی منبع، رکورد اصلاح و تاریخ بررسی به‌روز می‌شود.