LangGraph
La bibliothèque de LangChain pour construire des workflows d'agents avec état sous forme de graphes — nœuds, arêtes, points de contrôle et interruptions avec humain dans la boucle — un des substrats courants pour l'orchestration d'agents en production.
L'IA de production est un système : contexte, outils, permissions, traces, évaluations et boucles de rétroaction autour du modèle.
Ce que c'est
LangGraph modélise un workflow d'agent comme un graphe explicite : les nœuds font le travail, les arêtes routent entre eux, et un checkpointer persiste l'état pour qu'un workflow puisse se mettre en pause, reprendre et survivre aux redémarrages. Il prend en charge les interruptions pour approbation humaine, les sous-graphes pour la délégation et la diffusion en continu de l'état intermédiaire.
Pourquoi c'est important
Une boucle d'agent qui vit dans une boucle while ne survit pas à la production : pas de reprise, pas de visibilité, pas d'endroit où attacher une porte d'approbation. Faire du flux de contrôle un graphe explicite doté de points de contrôle est une réponse crédible — les patrons superviseur et sous-agents vers lesquels la plupart des équipes se tournent sont des patrons LangGraph documentés.
Concepts liés
LangChain, Harnais d'agent, Runtime de workflow, Workflow agentique.
Ressources connexes
Le framework open source le plus largement adopté pour construire des applications LLM — chaînes, agents, retrieval et intégrations couvrant des centaines de fournisseurs — et l'écosystème autour de LangGraph et LangSmith.
L'échafaudage autour d'un agent IA — construction du prompt, acheminement des outils, logique de reprise, émission de traces, gestion d'état — qui transforme un modèle en participant de workflow.
Le moteur d'exécution qui transforme un graphe de workflow versionné en processus tournant, observable et reprenable — la différence entre une démo d'agent et un déploiement d'agent.
Un workflow où un ou plusieurs agents IA décident de la suite des choses — choisir des outils, rassembler du contexte, escalader vers des humains — plutôt que d'exécuter un script fixe.
Comment nous l'utilisons
LangGraph est un des substrats que nous étendons quand un client l'exploite déjà, aux côtés de l'OpenAI Agents SDK et des moteurs d'exécution durable comme Temporal. Notre défaut à nous est Pydantic AI avec un exécuteur étapes-et-portes délibérément simple ; nous ajoutons le même contrat de runtime — versionnage, évaluations, traces, portes — sur l'un comme sur l'autre.