langchain-python-quickstart

作成者： langchain-ai

Scaffold a minimal local LangChain agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent…

npx skills add https://github.com/langchain-ai/langchain-skills --skill langchain-python-quickstart

ZIPダウンロード GitHub

LangChain Python quickstart

Follow the live docs — do not invent an alternate API from memory:

https://docs.langchain.com/oss/python/langchain/quickstart

Fetch that page (Docs MCP or HTTP) and implement what it shows (weather agent + create_agent).

Local setup constraints

Apply these on top of the quickstart (they keep setup minimal and model-agnostic):

Ask which provider/model to use. Showcase that LangChain is model-agnostic. Suggested prompt:

Which model should this agent use? Pass a provider:model string — e.g. openai:gpt-5.5, anthropic:claude-sonnet-5, google_genai:gemini-2.5-flash-lite. Default if you're unsure: anthropic:claude-sonnet-5.

Swap the quickstart's model string for their choice (or the default).
Create a new directory (e.g. langchain-agent/) and do all work there — do not pollute the open project.
Only secret: the provider API key in .env (gitignored). No LangSmith / Tavily unless they ask. Prefer they edit .env themselves — don't paste keys into chat.
Install the provider package needed for their model if the quickstart's base install isn't enough.
Run the example, show output, then stop. Point to langchain-fundamentals for next steps.

langchain-aiのその他のスキル

LangGraphのドキュメントにアクセスして、ステートフルなエージェントやマルチエージェントワークフローを構築できます。公式のLangGraph Pythonドキュメントを取得し、ステートマシン、グラフベースのエージェント設計、ヒューマンインザループパターンをカバーします。クエリの種類に応じて関連ドキュメントを優先します：ハウツー質問には実装ガイド、理論にはコンセプトページ、エンドツーエンドの例にはチュートリアル、技術詳細にはAPIリファレンスを提供します。自動的に2～4個の最も関連性の高いドキュメントURLを選択し、その内容を取得して回答します。

langgraph-human-in-the-loop

グラフの実行を一時停止し、人間によるレビュー、承認、検証を経て、その入力を反映させて再開します。これには3つのコンポーネントが必要です：チェックポインター（InMemorySaverまたはPostgresSaver）、設定内のスレッドID、そしてJSONシリアライズ可能なインタラプトペイロードです。interrupt(value)は一時停止してデータを表示し、Command(resume=value)は再開してその値を一時停止したノードに返します。interrupt()より前のすべてのコードは再開時に再実行されるため、副作用は冪等である必要があります（insertではなくupsertを使用）。承認ワークフローをサポートします。

このスキルはウェブリサーチに関連するリクエストに使用します。包括的なウェブリサーチを実施するための構造化されたアプローチを提供します。

langchain-oss-primer

LangChain、Deep Agents、またはLangGraphエージェント構築プロジェクトでは、必ずここから始めてください。他のスキルを選択したり、何かを記述する前に必要な出発点です。

エージェントの機能を専門知識、ワークフロー、ツール連携で拡張する効果的なスキルを作成するためのガイド。このスキルは、ユーザーが…のときに使用します。

プラットフォーム固有のソーシャルメディア投稿を、調査に基づいたコンテンツと生成された補完画像とともに下書きします。LinkedInの投稿（1,300文字、プロフェッショナルなトーン）とTwitter/Xのスレッド（1ツイートあたり280文字、1/🧵形式）に対応。執筆前にサブエージェントに調査を委任し、その後調査結果を読み、正確性と関連性を確認します。generate_social_imageツールを使用して、小さな画面向けに最適化された大胆でコントラストの高い構図の、目を引くソーシャル画像を自動生成します。

deep-agents-memory

Deep Agents向けのプラグイン可能なメモリおよびファイルバックエンド。エフェメラル、永続、ハイブリッドルーティングオプションを備えています。4種類のバックエンドタイプ：StateBackend（スレッドスコープ、エフェメラル）、StoreBackend（セッションをまたいだ永続）、FilesystemBackend（ローカル開発用の実際のディスクアクセス）、CompositeBackend（異なるパスを異なるバックエンドにルーティング）。FilesystemMiddlewareは6つのファイル操作ツールを提供：ls、read_file、write_file、edit_file、glob、grep。CompositeBackendは最長プレフィックス一致を使用してルーティングします...

deep-agents-orchestration

サブエージェントを調整し、複数ステップのタスクを計画し、機密操作には人間の承認を必要とします。タスクツールを介して専門サブエージェントに作業を委任します。カスタムサブエージェントは独立したツールセットとシステムプロンプトをサポートし、デフォルトの「汎用」サブエージェントはメインエージェント設定を継承します。write_todosを使用して複雑なワークフローを計画・追跡し、保留中、進行中、完了済みの状態でタスクを整理します。呼び出し間での永続性のためにthread_idが必要です。実装...