LangGraph

LangGraph ist seit Januar 2024 der Weiterentwicklungs-Pfad von LangChain für Stateful Agents — und hat sich in 18 Monaten zu einer der respektiertesten Agent-Orchestrations-Libraries entwickelt. Wer LangChain bereits nutzt und an die Grenzen einfacher Agent-Loops stößt, findet hier die natürliche Fortsetzung.

Die Kernabstraktion ist ein Graph: Nodes (Funktionen, die State transformieren), Edges (konditionale Übergänge zwischen Nodes), und ein typed State-Objekt (typisch ein Pydantic-Modell), das durch das Graph fließt. Das Modell ist mathematisch sauberer als die meisten Konkurrenten — und erlaubt Cycles (Backtracking, Iteration, Self-Reflection), was reine DAG-basierte Frameworks nicht können.

Das Checkpoint-System ist die zweite große Stärke: An beliebiger Stelle im Graph kann ein Workflow gepausiert, persistiert und Tage später fortgesetzt werden — der State landet in PostgreSQL oder Redis. Für Long-Running-Workflows (Approval-Prozesse, asynchrone Recherche, Human-Review-Loops) ein konstitutives Feature, das viele Frameworks erst nachträglich nachbauen müssen.

Human-in-the-Loop ist nativ unterstützt: Der Graph kann vor kritischen Aktionen (Datenbank-Schreibvorgang, externe API-Aufruf) automatisch pausieren, auf eine menschliche Freigabe warten, danach fortsetzen. Für regulierte Workflows (Healthcare, Finance, Legal) ein wichtiger Differenzierer.

LangSmith-Integration ist erstklassig: Jeder Step im Graph wird automatisch getrackt, mit kompletter Visualisierung des Reasoning-Pfads, der State-Übergänge und der LLM-Calls. Für Debugging und Performance-Optimierung deutlich besser als die meisten Konkurrenten — auch wenn LangSmith ab Team-Use kostet.

Streaming kann zwei Ebenen parallel ausgeben: LLM-Tokens (für UX) und State-Updates (für Debugging). Für interaktive Anwendungen ein versteckter Hebel.

Schwächen: Der Konzept-Overhead ist höher als bei OpenAI Agents SDK — wer einen einfachen Tool-Use-Agent baut, hat hier mehr Bootstrap. Das LangChain-Ökosystem ist groß und teils inkohärent — Knowhow zu Chains, Prompts, Memory, Tools ist Voraussetzung. Versions-Migrationen waren bisher mehrfach schmerzhaft (v0.1 → v0.2 → v0.3).

Empfohlen für Teams, die komplexe Stateful-Workflows mit Backtracking, Persistierung oder Human-Approval bauen — und für jeden, der LangSmith-Level-Tracing als zentrales Debug-Tool nutzen will.