Lexikon · L
LangChain

Ein Chatbot für Fragen zu Firmendokumenten besteht aus mehreren Schritten rund um das Sprachmodell. Er muss passende Textstellen suchen, sie in die Anfrage packen, vielleicht eine Datenbank abfragen und am Ende die Antwort formatieren. LangChain liefert für solche Abläufe fertige Bausteine, damit nicht jedes Team die Verbindungen zu Modell, Suche und Werkzeugen selbst programmiert.
Bausteine der Bibliothek
Kern ist eine einheitliche Schnittstelle für Chatmodelle und Embeddings über viele Anbieter hinweg. Wer vom Modell eines Anbieters zu dem eines anderen wechselt, muss laut Dokumentation nur wenig Code ändern1. Embeddings braucht unter anderem RAG, also die Suche in eigenen Dokumenten, deren Treffer das Modell in seine Antwort einbezieht.
Für Agenten gibt es die Funktion create_agent. Sie bekommt ein Modell, eine Liste von Werkzeugen und einen System-Prompt; Werkzeuge sind gewöhnliche Python-Funktionen, die das Modell bei Bedarf aufruft1. Weitere Fähigkeiten hängt man über sogenannte Middleware an1; mitgeliefert werden etwa Freigaben durch einen Menschen, das Zusammenfassen langer Verläufe und das Schwärzen personenbezogener Daten3. Das Prinzip geht auf Arbeiten wie den Aufsatz zu ReAct zurück, in dem ein Sprachmodell abwechselnd Denkschritte und Aktionen erzeugt, etwa Abfragen an eine Wikipedia-Schnittstelle4.
LangGraph, LangSmith und Version 1.0
Rund um LangChain gibt es zwei weitere Projekte desselben Herstellers. LangGraph steuert Abläufe auf niedrigerer Ebene; die Agenten von LangChain bauen darauf auf und erben damit etwa das Fortsetzen nach Unterbrechungen und die Einbindung eines Menschen in Entscheidungen (Human in the Loop)1. LangSmith dient dazu, Agenten zu verfolgen, Fehler zu suchen und Ergebnisse zu bewerten1.
Am 22.10.2025 erschienen LangChain und LangGraph in Version 1.03. Seitdem ist create_agent der Standardweg für Agenten, ältere Funktionen liegen im getrennten Paket langchain-classic, und Python 3.9 wird nicht mehr unterstützt3. Neu sind auch einheitliche Inhaltsblöcke, die Denkschritte, Quellenangaben und Werkzeugaufrufe aller Anbieter gleich darstellen3. Der Hersteller hat zugesagt, bis Version 2.0 keine Änderungen einzuführen, die bestehenden Code brechen3.
Wann sich die Bibliothek lohnt
Für einen einzelnen Aufruf an ein Modell reicht das Programmpaket des Anbieters; die Schnellstart-Anleitung von OpenAI kommt mit wenigen Zeilen aus5. Nützlich wird LangChain, wenn viele Schritte zusammenkommen, mehrere Anbieter im Spiel sind oder ein KI-Agent eigenständig Werkzeuge wählen soll. Ohne Python geht es auch: In n8n klickst du solche Abläufe in einer grafischen Oberfläche zusammen, und die Anleitung KI-Agent bauen geht die Wege zum eigenen Agenten durch.
Mit LangChain holst du dir eine zusätzliche Abhängigkeit ins Projekt, deren Schnittstellen du verfolgen musst. Ältere Anleitungen kommen dafür als Vorlage nur bedingt in Frage, weil Funktionen mit Version 1.0 umgezogen sind3.
Häufige Fragen
Ist LangChain kostenlos?
Die Bibliothek steht unter der MIT-Lizenz und kostet nichts2. Geld kosten die Modelle, die du anbindest; Cloud-Anbieter rechnen nach Token ab.
Gibt es LangChain auch für JavaScript?
Ja, als eigenes Projekt LangChain.js. Das Haupt-Repository verweist darauf und nennt neben Python auch TypeScript2.
Quellen
Stand:
- LangChain (Dokumentation): LangChain overview (Python), abgerufen am 22.11.2026. zurück
- LangChain auf GitHub: langchain-ai/langchain, abgerufen am 22.11.2026. zurück
- LangChain (Blog): LangChain and LangGraph Agent Frameworks Reach v1.0 Milestones, Stand 22.10.2025, abgerufen am 22.11.2026. zurück
- Shunyu Yao, Jeffrey Zhao u. a. (ICLR 2023): ReAct: Synergizing Reasoning and Acting in Language Models, Stand 2023, abgerufen am 22.11.2026. zurück
- OpenAI: Developer quickstart, abgerufen am 22.11.2026. zurück




