LangChainJP

LangChain/LangGraphのアップデートや、AIエージェント・LLMアプリケーション開発に関連するニュース、論文紹介を日本語でお届け。

[LangChainJP @LangChainJP]

Five labs, five minds: building a multi-model finance drama on small models - Hugging Face👇
https://t.co/W6tfQWwv7L

Thousand Token Wood: shipping a multi-agent economy on a 3B model - Hugging Face👇
https://t.co/1vZcF47pwi

[LangChainJP @LangChainJP]

【小型モデルの経済実験Thousand Token Woodが操作するゲームへ変化】

前回記事（ https://t.co/xdhaScxEVU ）のThousand Token Woodは、Qwen2.5-3Bで5体の森の生き物エージェント（自律的に売買するAI）が取引する経済シミュレーション。今回のv2（第2版）は、眺める実験から操作するゲームへ変わった。

プレイヤーは資金提供者として、貸付、噂の提示、空売り（値下がりを見込んだ取引）、賄賂、同盟仲介に関わる。モデル構成も単一モデルから4種類の小型モデルへ変更。v2ではgpt-oss-20b、MiniCPM3-4B、Nemotron-Mini-4B、追加学習済みのQwen 0.5Bを使用。

実装面では、vLLM 0.22.1がロード時にカーネルをJITコンパイルし、CUDA Toolkit（nvcc）��必要とする点が4モデル共通の課題になった。チップの真偽フラグを生き物に見せず、各ターンで全プロンプトをスキャンして禁止トークンの漏えいをテストする設計も含む。

[LangChainJP @LangChainJP]

【小型モデルで動く森の経済シミュレーション】

Hugging FaceのBuild Small Hackathonで、Qwen2.5-3Bを使ったThousand Token Woodが紹介された。5体の森の生き物エージェントが5種類の商品を小石で売買する、小さな経済シミュレーション。

小型モデルを使うことで、多数のエージェントを何度も動かすリアルタイムのシミュレーションを成立させている。��エージェントは1ターンごとに1回のバッチGPU呼び出しで判断し、vLLMとModalでモデルを提供、Gradioアプリで操作できる。

実装では、食事の種類、食料の腐敗、冬の燃料不足で希少性を作った。代表的な15ターンの実行では、有効なJSON行動は75/75回、取引は各ターン3〜9件継続し、富の偏りを示すジニ係数は0.14から0.38へ広がった。

[LangChainJP @LangChainJP]

LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks - arXiv👇
https://t.co/CPyIE9W1Vp

[LangChainJP @LangChainJP]

【数学の証明を検証できるAIエージェント】

数学の証明をLean（証明をコンピュータで確認するための仕組み）でコンピュータが確認できる形にするLEAPのプレプリント（査読前論文）が公開。

LEAPは、複雑な定理を小さな目標に分解し、自然言語の証明方針とLeanコードを行き来しながら、Leanコンパイラのフィードバックで修正する仕組み。

2025年Putnam Competition（北米の大学生向け数学コンテスト）の12問をすべて解いた。著者らが作成したLean-IMO-Bench（国際数学オリンピック形式問題のLeanベンチマーク）では、汎用LLM（大規模言語モデル）の形式証明に成功した割合を10%未満から70%に引き上げたと報告されている。

[LangChainJP @LangChainJP]

How Endava is redesigning software delivery around AI agents - OpenAI👇
https://t.co/IN39zz8CrB

[LangChainJP @LangChainJP]

【AIエージェントを組み込む開発体制】

OpenAI公式ブログに、Endavaがソフトウェア開発をAIエージェント中心に組み替える事例を掲載。

Endavaは社員がChatGPT EnterpriseとCodexを使える環境を全社に広げた。EndavaはDavaFlow全体にOpenAI技術を組み込み、会議準備、事業計画、製品企画の検討、開発、デプロイ（本番環境への反映）まで活用している。

用途は開発部門以外にも拡大。法務の調査・文書作成、プロジェクト管理の進捗要約や報告書作成、営業チームの簡単な業務アプリ作成にも使われている。

11,000人規模の組織で、導入をソフトウェア配布ではなく、働き方の変化として扱った事例。

[LangChainJP @LangChainJP]

Nemotron 3.5 Content Safety - Hugging Face👇
https://t.co/NoqX8fkwHb

[LangChainJP @LangChainJP]

【テキストと画像をまとめて安全判定する安全性モデル】

NVIDIAがNemotron 3.5 Content Safetyを公開。ユーザープロンプト（利用者の入力文）、任意の画像、任意のアシスタント���答（モデルの返答）を1つの文脈として扱い、テキストと画像の組み合わせで生じる安全ルール違反を1回の処理で判定する。

カスタムポリシー（独自の安全ルール）を入力に加え、組織ごとのルールに沿ってsafe/unsafe（安全/危険）や違反カテゴリを返せる。think mode（判定理由を出すモード）では、判定理由の記録も最終判定とあわせて出力する。

モデル本体はGoogle Gemma 3 4B IT（4Bパラメータ）をベースに、NVIDIAがLoRAアダプターで安全分類向けに調整。128Kコンテキスト、画像と言語を扱う推論、多言語対応を備え、12言語で学習し、Gemma 3由来の約140言語へのゼロショット汎化（追加学習なしで未学習の言語にも対応する性質）も引き継いでいる。Hugging Face（モデル共有サイト）でNVIDIA Open Model Licenseの下、研究・商用利用向けに提供され、トレーニングデ�����セットも公開されている。

[LangChainJP @LangChainJP]

Model Neutrality: Why Avoiding AI Vendor Lock-In Matters - LangChain Blog👇
https://t.co/5QK4O9IGlE

[LangChainJP @LangChainJP]

【モデルを切り替えやすいAIエージェント設計】

LangChainブ���グでは、AIエージェントのモデル中立性（特定のAIモデル提供元に依存しない考え方）を取り上げた。特定のモデル提供元がハーネス（AIエージェントの実行を管理する仕組み）まで管理すると、業務処理の流れやルールがその仕組みに寄り、より安い・速い・適したモデルへ切り替えにくくなるという内容。

中立的なハーネスの条件は、オープンソースであること、複数モデルに対応すること、モデルごとの特性を扱えること。Deep Agentsは、この考え方に沿ったオープンソースで複数モデル対応のハーネスとして説明されている。

Claudeをコーディング処理に使い、GPTを画像処理に使うように、1回のエージェント実行中でも処理ごとにモデルを選ぶ設計が論点。

[LangChainJP @LangChainJP]

EVA-Bench Data 2.0: 3 Domains, 121 Tools, 213 Scenarios - Hugging Face👇
https://t.co/38Wd53m09D

[LangChainJP @LangChainJP]

【音声エージェント評価データセットの拡張】

ServiceNow AIが、音声エージェントを評価する仕組みであるEVA-Benchのデータセット拡張を公開した。

対象は航空カスタマーサービス、企業ITサービス管理（ITSM）、医療分野の人事サービス提供（HRSD）の3領域。121種類のツールにまたがる213件の評価シナリオで、対象シナリオは初回公開時から約4倍に増えた。

各シナリオは、電話で扱われる業務に絞って設計された。1つの目的だけの会話、最大4つの目的を含む会話、権限のない情報へのアクセス要求など失敗しやすいケースを含む。選ばれた全サンプルは人によるレビューと3つのモデルによる検証を経て、少なくとも1つのモデルで解決できることを確認している。

[LangChainJP @LangChainJP]

The Efficiency Frontier: A Unified Framework for Cost-Performance Optimization in LLM Context Management - arXiv👇
https://t.co/a3SrEtQSAf

[LangChainJP @LangChainJP]

【長文を扱うLLMのコストを比べる枠組み】

LLM（大規模言語モデル）で長い文脈を扱う場合、入力を増やすほど計算コストや利用料が大きくなる。このプレプリント（査読前論文）は、文脈管理の手法をタスク性能、トークンコスト、前処理の再利用効果で比較する「Efficiency Frontier」を提案。

HotpotQAの5,000件の評価では、低コスト重視の条件では軽量な検索手法、同じ前処理を多くの問い合わせで使い回せる環境ではメモリ圧縮が有利になる傾向を示した。F1値（回答精度の指標）が約0.78の同等性能では、有効トークン数（推論時の入力に、前処理コストを再利用回数で割って足した指標）が約25%減る。

最も高い性能の設定では、すべての文脈を入力するフルコンテキスト入力が必要。ただし、バランス重視の設定と比べて有効トークン数が2倍超になる。

[LangChainJP @LangChainJP]

How Wasmer used Codex to build a Node.js runtime for the edge - OpenAI👇
https://t.co/XJiObK9MDE

Edge.js: Running Node apps inside a WebAssembly Sandbox - Wasmer👇
https://t.co/b0a3AnM1sS

[LangChainJP @LangChainJP]

【CodexでJavaScript実行環境を2週間で構築】

OpenAIが、WebAssembly関連ツールを開発するWasmerによるCodex活用事例を公開した。WasmerはEdge.jsというJavaScript実行環境を構築し、Node.jsの処理を、WebAssemblyを土台にしたサンドボックス（実行範囲を制限した環境）内で動かせるようにしている。

WasmerのCEOであるSyrus Akbary Nieto氏は、Codexを使わなければ1年かかった作業を、Codexで2週間��短縮できたと説明。開発速度も少なくとも10〜20倍に高まったとしている。

Edge.jsは、既存のNode.jsアプリやMCP、エージェントをDocker（コンテナ実行環境）なしで隔離して実行するための仕組み。Wasmerの記事では、Node.js v24互換を目標にし、node-testリポジトリのテストで3,626件中3,592件が通ったことも示している。

[LangChainJP @LangChainJP]

Fault Tolerance in LangGraph: Retries, Timeouts and Error Handlers - LangChain Blog👇
https://t.co/YfRFamxmcd

[LangChainJP @LangChainJP]

【LangGraphで失敗に備えるAIエージェントを作る】

本番環境のAIエージェントでは、ネットワーク障害、ツール呼び出しエラー、LLM（大規模言語モデル）のレート制限（一定時間内の利用制限）など、試作段階では目立たない失敗が起きる。

LangGraphでは、処理の流れをノード（実行ステップ）に分け、各ノードに再試行、タイムアウト（時間切れ）、エラー時の処理を設定できる。RetryPolicy（再試行設定）、TimeoutPolicy（時間切れ設定）、error_handler（エラー時の処理）を、失敗に備えたい処理の近くに置ける仕組み。

航空券予約のように、外部システムの状態を変える処理を含む流れでは、全体を最初からやり直すのではなく、各ステップを個別に再試行する。失敗時は、完了済み、または実行された可能性がある処理だけを取り消す設計が必要。

[LangChainJP @LangChainJP]

Designing the hf CLI as an agent-optimized way to work with the Hub - Hugging Face👇
https://t.co/4d9XfkdrZo

[LangChainJP @LangChainJP]

【AIエージェント向けのHugging Face公式コマンドラインツール】

Hugging Faceは、Hugging Face Hubを操作する公式コマンドラインツール`hf`の刷新を発表。モデルやデータセットの入出力、リポジトリ管理、Jobs（計算処理の実行）、Inference Endpoints（推論用APIの提供）などを端末から扱える。

`hf`はClaude CodeやCodexなどを環境変数で検出し、エージェント向けには省略なしのTSV（タブ区切り）やJSONなど、解析しやすい出力を返す。入力待ちで止まらず、次のコマンド候補も示す。

ベンチマークでは、複数手順が必要なHub操作で、curlやPython SDKを直接使う場合は、`hf` CLIの最大6倍のトークン���使用。データを移動するコマンドでは実行前に内容を確認する`--dry-run`も使え、コマンド一覧を読み込ませる`hf`のスキルも提供されている。