LangChain vs LangGraph: A Tale of Two Frameworks

IntermediateEvergreenJuga di kurikulum: Modul 89

Istilah sulit di video ini dan artinya
Istilah	Arti
LangChain	Framework open source untuk membangun aplikasi LLM dengan merangkai komponen seperti prompt, model, dan memory dalam urutan tertentu.
LangGraph	Library di ekosistem LangChain untuk membangun agent dan sistem multi agent berbentuk graf yang bisa berulang dan menyimpan state.
chain	Rangkaian langkah atau fungsi yang dijalankan berurutan, misalnya ambil data, ringkas, lalu jawab, yang menjadi inti LangChain.
nodes	Titik dalam graf LangGraph yang mewakili satu aksi, misalnya menambah tugas atau meringkas tugas.
edges	Garis penghubung antar-node di LangGraph yang menentukan perpindahan dari satu aksi ke aksi berikutnya.
state management	Cara sistem menyimpan dan memperbarui informasi selama berjalan, yang di video disebut lebih kuat di LangGraph daripada LangChain.
stateful agents	Agent yang mengingat keadaan dan konteks di sepanjang interaksi, misalnya daftar tugas pada contoh asisten di video ini.
multi agent	Sistem yang terdiri dari beberapa agent atau komponen yang bekerja sama, fokus utama LangGraph menurut video.
document loader	Komponen LangChain untuk mengambil dan memuat konten dari berbagai sumber data, dipakai pada tahap pengambilan data.
loops	Perulangan yang memungkinkan alur kembali ke langkah sebelumnya, keunggulan LangGraph dibanding struktur DAG milik LangChain.
context	Informasi latar seperti riwayat percakapan yang disimpan agar jawaban AI tetap nyambung, misalnya lewat komponen memory atau state.
large language models	Model bahasa besar yang memahami dan menghasilkan teks, yang dipakai di dalam aplikasi buatan LangChain dan LangGraph.

Video dari IBM Technology ini menjelaskan perbedaan LangChain dan LangGraph, dua framework open source untuk membangun aplikasi dengan large language models, serta kapan sebaiknya memakai masing-masing. LangChain pada intinya adalah cara membangun aplikasi berbasis LLM dengan menjalankan serangkaian fungsi dalam sebuah chain. Contohnya aplikasi yang mengambil data dari situs web, meringkasnya, lalu menjawab pertanyaan pengguna. Tahap pengambilan memakai document loader untuk memuat konten dan text splitter untuk memecah dokumen besar. Tahap ringkasan memakai chain yang berisi komponen prompt dan komponen LLM. Tahap menjawab memakai chain lain dengan komponen memory untuk menyimpan riwayat percakapan dan context. Menariknya, model yang dipakai untuk menjawab bisa berbeda dari model untuk meringkas. Sementara itu LangGraph adalah library khusus di ekosistem LangChain untuk membangun stateful agents dan sistem multi agent yang menangani alur kerja kompleks dan tidak linear.

Untuk LangGraph, video memakai contoh asisten pengelola tugas. Setiap aksi, yaitu menambah tugas, menyelesaikan tugas, dan meringkas tugas, menjadi nodes, sedangkan perpindahan di antaranya disebut edges. Node pusatnya adalah pemrosesan input, yang memakai LLM untuk memahami maksud pengguna lalu mengarahkan ke node yang tepat. Komponen state menyimpan daftar tugas dan bisa dibaca serta diubah semua node, dan setelah tiap aksi alur selalu kembali ke node input. Video lalu membandingkan keduanya. Fokus LangGraph adalah sistem multi agent, sedangkan LangChain menyediakan lapisan abstraksi untuk merangkai operasi LLM. LangChain berstruktur DAG yang selalu bergerak maju, cocok bila urutan langkah sudah pasti, sedangkan LangGraph mengizinkan loops dan kembali ke keadaan sebelumnya. Komponen LangChain meliputi memory, prompt, LLM, dan agent, sementara LangGraph memakai nodes, edges, dan state. Dalam state management, LangChain lebih terbatas, sedangkan LangGraph lebih kuat. Kesimpulannya, LangChain unggul untuk tugas berurutan, dan LangGraph untuk sistem interaktif seperti asisten virtual yang harus menjaga konteks percakapan panjang.

Kata kunci

LangGraph
LangChain
state management
multi agent

LangChain vs LangGraph: A Tale of Two Frameworks

IBM Technology

IntermediateEvergreenJuga di kurikulum: Modul 89

Istilah sulit di video ini dan artinya
Istilah	Arti
LangChain	Framework open source untuk membangun aplikasi LLM dengan merangkai komponen seperti prompt, model, dan memory dalam urutan tertentu.
LangGraph	Library di ekosistem LangChain untuk membangun agent dan sistem multi agent berbentuk graf yang bisa berulang dan menyimpan state.
chain	Rangkaian langkah atau fungsi yang dijalankan berurutan, misalnya ambil data, ringkas, lalu jawab, yang menjadi inti LangChain.
nodes	Titik dalam graf LangGraph yang mewakili satu aksi, misalnya menambah tugas atau meringkas tugas.
edges	Garis penghubung antar-node di LangGraph yang menentukan perpindahan dari satu aksi ke aksi berikutnya.
state management	Cara sistem menyimpan dan memperbarui informasi selama berjalan, yang di video disebut lebih kuat di LangGraph daripada LangChain.
stateful agents	Agent yang mengingat keadaan dan konteks di sepanjang interaksi, misalnya daftar tugas pada contoh asisten di video ini.
multi agent	Sistem yang terdiri dari beberapa agent atau komponen yang bekerja sama, fokus utama LangGraph menurut video.
document loader	Komponen LangChain untuk mengambil dan memuat konten dari berbagai sumber data, dipakai pada tahap pengambilan data.
loops	Perulangan yang memungkinkan alur kembali ke langkah sebelumnya, keunggulan LangGraph dibanding struktur DAG milik LangChain.
context	Informasi latar seperti riwayat percakapan yang disimpan agar jawaban AI tetap nyambung, misalnya lewat komponen memory atau state.
large language models	Model bahasa besar yang memahami dan menghasilkan teks, yang dipakai di dalam aplikasi buatan LangChain dan LangGraph.

Kata kunci

LangGraph
LangChain
state management
multi agent