LangChain 会話記憶 -- Checkpointer
デフォルトでは、agent.invoke() は毎回独立しており、Agent は以前の会話を覚えていません。
Checkpointer(チェックポイント保存器)を使用すると、Agent が会話履歴を記憶し、本当のマルチターン会話を実現できます。
Checkpointer がない場合の問題
まず、Checkpointer がない場合の状況を見てみましょう:
例
load_dotenv()
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain.messages import HumanMessage
model = init_chat_model("deepseek:deepseek-v4-flash", temperature=0)
agent = create_agent(
model=model,
system_prompt="あなたは菜鳥教程(サンプル)のアシスタントです。",
)
# 第1ターン
result1 = agent.invoke({
"messages": [HumanMessage(content="我叫小明")]
})
print(f"第一轮: {result1['messages'][-1].content}")
# 第2ターン——Agent は第1ターンの内容を覚えていません!
result2 = agent.invoke({
"messages": [HumanMessage(content="我叫什么名字?")]
})
print(f"第二轮: {result2['messages'][-1].content}")
実行結果:
第1ラウンド: 你好小明!很高兴认识你。 → 第一ラウンド:こんにちは、小明!お会いできて嬉しいです。 第2ラウンド: 抱歉,我没有你的信息,不知道你叫什么名字。 → 第二ラウンド:申し訳ありません、あなたの情報を持っていないので、お名前がわかりません。
Checkpointer を使用して会話を記憶する
Checkpointer を追加すると、同じ thread_id の会話が自動的に関連付けられます:
例
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain.messages import HumanMessage
# インメモリ Checkpointer を作成
checkpointer = InMemorySaver()
model = init_chat_model("deepseek:deepseek-v4-flash", temperature=0)
agent = create_agent(
model=model,
checkpointer=checkpointer, # Checkpointer を渡す
system_prompt="あなたは菜鳥教程(サンプル)のアシスタントです。",
)
# thread_id を使用して会話スレッドを識別する
config = {"configurable": {"thread_id": "user-001"}}
# 第1ターン
result1 = agent.invoke(
{"messages": [HumanMessage(content=私はシャオミンです。Pythonを勉強しています。)]},
config=config,
)
print(f"第一轮: {result1['messages'][-1].content}")
# 第2ターン——同じ thread_id を使用すると、Agent は覚えていました!
result2 = agent.invoke(
{"messages": [HumanMessage(content="私の名前は何ですか?私は何を学んでいますか?")]},
config=config,
)
print(f"第二轮: {result2['messages'][-1].content}")
実行結果:
第1ラウンド: こんにちは、小明さん!Pythonは入門に最適な言語です。何かお手伝いできることはありますか? 第2ラウンド: あなたの名前は小明さんで、Pythonを学習しています。具体的な質問はありますか?
thread_id が鍵です。同じ thread_id の会話は連続しており、異なる thread_id の会話は完全に分離されています。これにより、1つの Agent インスタンスで複数のユーザーを同時にサービスを提供できます。
Checkpointer の仕組み
Checkpointer は、Agent が実行されるたびに状態スナップショット(checkpoint)を自動保存します。次に同じ thread_id で呼び出すと、最新の checkpoint から状態を自動的に復元します。
具体的な処理フロー:
- agent.invoke() を呼び出し、config(thread_id を含む)を渡します。
- Agent はその thread_id の checkpoint があるかどうかを確認します。
- あれば、履歴メッセージを読み込み、新しいメッセージを追加して続行します。
- 実行完了後、新しい checkpoint を自動保存します。
例
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain.messages import HumanMessage
checkpointer = InMemorySaver()
agent = create_agent(
model=init_chat_model("deepseek:deepseek-v4-flash", temperature=0),
checkpointer=checkpointer,
system_prompt="あなたは菜鳥教程(サンプル)のアシスタントです。",
)
config = {"configurable": {"thread_id": "demo-001"}}
# マルチターン会話をシミュレート
questions = [
"我叫小明",
"私はPythonを学んでいます",
私に関する情報を要約してください,
]
for i, q in enumerate(questions, 1):
result = agent.invoke(
{"messages": [HumanMessage(content=q)]},
config=config,
)
# checkpoint の状態を確認
state = agent.get_state(config)
print(f"\n第 {i} 轮后:")
print(f" 消息数: {len(state.values.get('messages', []))}")
print(f" 下一步: {state.next}")
print(f" 回复: {result['messages'][-1].content[:80]}...")
実行結果:
第1ラウンド後: メッセージ数: 2 次のステップ: () 返答: こんにちは、小明さん!お会いできてうれしいです。 第2ラウンド後: メッセージ数: 4 次のステップ: () 返答: Pythonは非常に人気のあるプログラミング言語で、シンプルで学びやすいです。 第3ラウンド後: メッセージ数: 6 次のステップ: () 返答: 会話に基づくと、あなたの情報は次のとおりです: 名前は小明さんで、Pythonを学習しています。
Checkpointer の種類
| 種類 | 保存場所 | 永続化 | インストール | 適用シーン |
|---|---|---|---|---|
| InMemorySaver | インメモリ | いいえ(プログラム終了後は失われる) | 組み込み | 開発デバッグ、ユニットテスト |
| SqliteSaver | SQLite データベース | である | langgraph-checkpoint-sqlite | スタンドアロン展開、小規模アプリ |
| PostgresSaver | PostgreSQL | である | langgraph-checkpoint-postgres | 本番環境、マルチインスタンス共有 |
Agent がainvoke()非同期呼び出しを使用する場合、対応する非同期バージョンに変更する必要があります。AsyncSqliteSaver / AsyncPostgresSaver。使い方は同期バージョンと似ていますが、async withと組み合わせて使用する必要があります。
SqliteSaver の例
InMemorySaverメモリ内にのみ保存されるため、プログラムが終了するとデータは失われます。会話を永続化して保存したい場合は、使用できます。SqliteSaver。
初めて使用する場合は、SQLite Checkpointer をインストールする必要があります:
pip install langgraph-checkpoint-sqlite
例
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain.messages import HumanMessage
model = init_chat_model(
"deepseek:deepseek-v4-flash",
temperature=0,
)
# with 文で囲む必要があり、抜けるとデータベース接続が自動的に閉じられます
with SqliteSaver.from_conn_string("conversations.db") as checkpointer:
agent = create_agent(
model=model,
checkpointer=checkpointer,
system_prompt="あなたは菜鳥教程(サンプル)のアシスタントです。",
)
config = {"configurable": {"thread_id": "user-001"}}
result = agent.invoke(
{
"messages": [
HumanMessage(content="你好")
]
},
config=config,
)
print(result["messages"][-1].content)
SqliteSaver は毎回の会話で生成された checkpoint を SQLite データベースに保存します。プログラムが終了したり再起動したりしても、同じデータベースファイルと
thread_idを使用し続ける限り、Agent は以前保存した会話状態を復元できます。注意:withコードブロックが終了するとデータベース接続が閉じられるため、Agent を複数回呼び出すロジックはすべて、withブロック内に置く必要があります。長期間実行されるサービス(Web アプリなど)の場合は、アプリケーションのライフサイクル内で接続を保持するか、非同期バージョンに変更することをお勧めします。AsyncSqliteSaver。
会話スレッドの管理
会話状態の確認
例
state = agent.get_state(config)
print(f"下一步: {state.next}") # () は空きを表します
print(f"消息数: {len(state.values.get('messages', []))}")
# 会話履歴を表示
for msg in state.values.get("messages", []):
print(f" [{msg.type}] {str(msg.content)[:60]}")
新しいスレッドの作成
例
config_alice = {"configurable": {"thread_id": "alice"}}
config_bob = {"configurable": {"thread_id": "bob"}}
# Alice の会話
agent.invoke(
{"messages": [HumanMessage(content="私はアリスです")]},
config=config_alice,
)
# Bob の会話——完全に独立しており、Alice が何を言ったかは知らない
agent.invoke(
{"messages": [HumanMessage(content="私はBob")]},
config=config_bob,
)
# 分離性の検証
alice_state = agent.get_state(config_alice)
bob_state = agent.get_state(config_bob)
print(fAlice の会話メッセージ数: {len(alice_state.values['messages'])})
print(fBob の会話メッセージ数: {len(bob_state.values['messages'])})
状態の更新——会話の手動編集
場合によっては、会話状態を手動で変更する必要があります。たとえば、会話のクリア、システムメッセージの挿入など:
例
# 状態を更新——システムメッセージを1件挿入
agent.update_state(
config,
{
"messages": [
SystemMessage(content=(ユーザーはVIP会員にアップグレードしました))
]
}
)
# 以降の会話には、この挿入されたメッセージが含まれます
その他の拡張update_state() のパラメータは add_messages reducer を介して処理されます(messages フィールドに関して)。そのため、新しいメッセージは上書きではなく追加されます。履歴をクリアして最初からやり直したい場合、最も簡単な方法は新しいものに切り替えることです。
thread_id;どうしても特定の履歴メッセージを削除する必要がある場合は、update_state() に対応するRemoveMessage(取得元:langchain.messages)を渡すことで、指定されたメッセージを正確に削除できます。