LangChain est un framework logiciel open-source destiné à la création d'applications propulsées par des grands modèles de langage, offrant des abstractions pour enchaîner des prompts, connecter les modèles à des données et outils externes, et construire des agents capables de raisonner sur plusieurs étapes. Publié pour la première fois en octobre 2022 par le développeur Harrison Chase, il est devenu l'un des frameworks de développement les plus largement adoptés au début du boom de l'IA générative, avec des bindings en Python et JavaScript et un vaste écosystème d'intégrations.
Le framework organise les applications LLM sous forme de « chaînes » composables : des séquences d'appels à des modèles, des prompts, des analyseurs et des services externes. Son cas d'usage le plus courant est la génération augmentée par récupération, où une chaîne récupère des documents pertinents depuis une base de données vectorielle avant de les transmettre à un modèle comme contexte, réduisant ainsi l'Hallucination (AI) et ancrant les réponses dans un corpus spécifique.
Historique
La publication de LangChain en octobre 2022 a coïncidé presque exactement avec la montée en puissance de ChatGPT, et l'intérêt pour le framework s'est fortement accéléré après le lancement de ChatGPT le mois suivant, alors que les développeurs se précipitaient pour créer leurs propres applications sur les API d'OpenAI et d'autres laboratoires. LangChain Inc a été fondée en 2023 et a levé des fonds d'amorçage alors que le projet devenait un point de référence par défaut dans les tutoriels sur la création d'applications de récupération et d'agents. Le framework a ensuite introduit le LangChain Expression Language (LCEL) pour composer des chaînes de manière déclarative, et a lancé en 2024 LangGraph, une bibliothèque pour construire des workflows d'agents cycliques et avec état, aux côtés de LangSmith, une plateforme d'observabilité et de débogage, reflétant un pivot plus large des tutoriels pour débutants vers des outils de qualité production.
Architecture et fonctionnalités
Les abstractions centrales de LangChain incluent les chaînes, les prompts, la mémoire, les agents, les outils, les récupérateurs et les analyseurs de sortie, conçus pour être combinés entre différents fournisseurs de modèles et sources de données. Il offre une large surface d'intégration, se connectant à des modèles de nombreux fournisseurs, des magasins de vecteurs et des centaines d'outils externes, un domaine ensuite complété par l'émergence du Model Context Protocol ouvert comme alternative standardisée pour connecter outils et sources de données aux modèles à travers l'industrie. Ses modules de mémoire, qui donnent aux agents conversationnels une persistance entre les tours, ont été une tentative précoce du problème plus large décrit plus tard sous le terme de ingénierie de contexte.
Réception et critiques
LangChain est largement crédité d'avoir accéléré le prototypage d'applications de RAG et d'agents, et d'avoir popularisé un vocabulaire partagé, tel que « chaînes », « agents » et « outils », dans l'écosystème des applications LLM. Il a également suscité des critiques soutenues de la part d'une partie de la communauté des développeurs pour son excès de couches d'abstraction, ses messages d'erreur opaques et ses changements fréquents et cassants dans son API. Un essai largement partagé en 2023 intitulé « The Problem With LangChain » soutenait que de nombreuses équipes de production n'avaient pas besoin du framework du tout et étaient mieux servies en appelant directement les API des modèles. Des frameworks concurrents, notamment LlamaIndex axé sur la récupération et divers SDK de plus bas niveau, ont émergé en partie en réponse à ces critiques, et au milieu des années 2020, de nombreuses équipes utilisaient LangChain de manière sélective, pour l'orchestration ou spécifiquement pour LangGraph, plutôt que de l'adopter comme solution full-stack.