生成AIとPython／LangChainを活用した次世代AIエージェント構築ワークショップ【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　生成AIとPython／LangChainを活用した次世代AIエージェント構築ワークショップ【提携セミナー】

開催日時	2026/3/11（水） 10:00～17:00
担当講師	太田和樹氏
開催場所	【WEB限定セミナー】※会社やご自宅でご受講下さい。
定員	30名　※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
受講費	非会員： 55,000円（本体価格：50,000円）会員： 49,500円（本体価格：45,000円）

近年急速に進化する「AIエージェント」の仕組みを理解し、

LangChainおよびLangGraphを用いて

自律的なタスク実行システムを構築するスキルを習得する実践型ワークショップ！

Pythonと生成AIの基礎知識をお持ちの方を対象に、次世代の業務自動化技術を体系的に提供します。

生成AIとPython／LangChainを活用した

次世代AIエージェント構築ワークショップ

【提携セミナー】

主催：株式会社R&D支援センター

◆セミナー趣旨

本セミナーは、近年急速に進化する「AIエージェント」の仕組みを理解し、LangChainおよびLangGraphを用いて自律的なタスク実行システムを構築するスキルを習得する実践型ワークショップです。主なポイントは以下の3点です。

【1.高度なフレームワークの活用】
単なるチャットボットを超え、Web検索や外部ツールを自律的に使いこなし、複雑な工程を遂行するエージェントの設計・実装方法をLangGraphを通じて学びます。

【2.実務直結のハンズオン】
実際に「事業プラン生成エージェント」を構築しながら、調査・分析・レポート作成といった複数の工程を連携させる手法や、人間の承認（Human-in-the-loop）を組み込んだ業務フローの実装を体験します。

【3.品質管理と展開】
LangFuseによる実行ログの可視化・デバッグ手法や、作成したエージェントをREST APIとしてデプロイする方法もカバーし、実運用に耐えうるアプリケーション開発の勘所を押さえます。

Pythonと生成AIの基礎知識をお持ちの方を対象に、次世代の業務自動化技術を体系的に提供します。

◆習得できる知識

LangChainおよびLangGraphを活用し、単なる対話だけでなく、Web検索などの外部ツールを自律的に使って目的を達成するAIエージェントの構築手法を習得できます。
複雑な業務プロセスの自動化と効率化：「調査→要約→分析→レポート作成」といった複数の工程を連携させるマルチエージェントシステムや、人間の承認（Human-in-the-loop）を含んだ業務フローを実装できるようになり、高度な業務自動化に活かせます。
LLMアプリの品質管理と運用ノウハウ：LangFuseを用いた実行ログのトレース（可視化）やデバッグ手法を学ぶことで、ブラックボックスになりがちなLLMの挙動を解析し、実用レベルのアプリケーションとして品質を管理・改善できます。
ステートフル（記憶保持）な対話システムの実装：文脈や過去のやり取りを記憶（永続化）し、長期的な対話やタスク継続が可能なシステムの設計・実装方法を学べます。
AIエージェントのサービス化（API化）：構築したエージェントをREST API（FastAPI/LangServe）として公開・デプロイする方法を習得でき、自社の既存システムやWebサービスへの組み込みが可能になります。

◆受講対象

LangChainやLangGraphを使ったAIエージェントの構築スキルを身に付けたい方

◆必要な前提知識

Pythonプログラミングの基礎知識
（「Pythonとは」「プログラミングとは」といった説明が不要なレベル）
生成AIの基礎知識
（「生成AIとは」「プロンプトとは」といった説明が不要なレベル）

担当講師

Forest（同）　代表　太田和樹　氏

【ご専門】
AI／ITコンサルティング、システム開発

【ホームページ】

ホーム

セミナープログラム（予定）

１．AIエージェントの基礎と最新トレンド
1-1．AIエージェントの定義と概要
（１）従来の自動化プログラムとAIエージェントの決定的な違い
（２）自律的なタスク遂行の仕組み（環境認識・目標設定・行動実行）
1-2．代表的なAIエージェント事例と種類
（１）最新事例（Gemini Deep Research、OpenAI Operator、Genspark等）の仕組み解説
（２）エージェントの分類（会話型、タスク自動化、自律型、マルチエージェント等）
1-3．開発フレームワークの比較と選定
（１）主要フレームワークの特徴（LangChain, LangGraph, Dify, AutoGen等）
（２）なぜ今、LangChain/LangGraphが推奨されるのか

２．LLMプログラミングの基礎【実習】
2-1．OpenAI APIの活用とパラメータ制御
（１）Chat Completions APIの基本構造（RoleとContent）
（２）出力制御の重要パラメータ（temperature, top_p, presence_penalty等）
（３）トークンの概念とトークナイザー（tiktoken）の活用
2-2．【実習】基本的なチャットボットの実装
（１）PythonによるAPIリクエストの実装
（２）ステートレスなAPIで会話履歴を保持する仕組みの構築
（３）ストリーミング出力（stream）の実装

３．LangChainによるアプリケーション開発の基本【実習】
3-1．LangChainのコアコンポーネント
（１）Model（言語モデルの抽象化）とPrompt Template（プロンプト管理）
（２）Output Parserによる構造化データの抽出
（３）LCEL（LangChain Expression Language）によるチェーン構築
3-2．外部ツールとの連携と条件分岐
（１）Web検索ツール（Tavily Search）の組み込み
（２）検索結果に基づく回答生成（RAGの基礎）
（３）RunnableLambdaを用いたロジック分岐の実装
3-3．【実習】高レベルAPI（create_agent）を用いたエージェント構築
（１）数行のコードでWeb検索連動チャットボットを作成
（２）MemorySaverによる会話記憶（ステートフル）の実装
（３）ミドルウェアによる機能拡張（動的プロンプト、ガードレール）

４．LangGraphによる高度な自律エージェントの構築【実習】
4-1．LangGraphのアーキテクチャ
（１）グラフ構造（StateGraph, Nodes, Edges）の理解
（２）状態管理（State）とデータの受け渡し
（３）ループ処理と条件付きエッジによるフロー制御
4-2．【実習】LangGraphを用いたチャットボットの再構築
（１）ステート定義とノード関数の実装
（２）ツール実行ノード（ToolNode）の組み込みと自動ルーティング
（３）チェックポイント（Checkpointer）による記憶の永続化

５．【総合演習】マルチエージェントシステムの実装ワーク
5-1．ワークショップ：事業プラン生成エージェントの開発
（１）役割の異なる複数の専門エージェントの設計
・Research Agent（Web検索による市場調査）
・Summary Agent（情報の要約・整理）
・Market Analysis Agent（SWOT分析等の実施）
・Technical Analysis Agent（技術的実現性の評価）
・Report Agent（最終レポート作成）
（２）Human-in-the-loop（人間参加型フロー）の実装
・処理の一時停止（interrupt）と人間による承認プロセスの組み込み
・承認結果によるフローの分岐（承認／差し戻し・再調査）
（３）成果物の出力と動作確認

６．実運用のための品質管理とデプロイ
6-1．LangFuseによるオブザーバビリティ（可観測性）の確保
（１）実行トレース（Tracing）による処理フローの可視化
（２）トークン使用量とコストのモニタリング
（３）エージェントのデバッグ手法
6-2．AIエージェントのサービス化
（１）FastAPI / LangServeを用いたREST API化
（２）クライアントアプリケーションからの呼び出しテスト

７．最新トピックと今後の展望
7-1．進化するエージェント技術
（１）自律型ブラウザ操作エージェント（browser-use）の紹介
（２）マルチエージェントフレームワーク（AutoGen）との比較
7-2．質疑応答