ai-forever/gigachain

😎 Знаете ли вы, что GigaChat идеально интегрируется с самыми популярными фреймворками для создания LLM-приложений и мультиагентных систем – LangChain и LangGraph? 🦜 🔗 Всё благодаря GigaChain ( GitVerse , GitHub ) — набору решений для быстрой и удобной разработки LLM-приложений и агентов. Что в арсенале: • langchain-gigachat — партнерский пакет для подключения Гиги к LangChain • gigachat — клиентская библиотека для GigaChat API • gpt2giga — прокси OpenAI → GigaChat ⚡️ n8n, Aider, RooCode, LangFlow и другие заработают с гигой из коробки Полная совместимость с LangChain и LangGraph 👉 ReAct, function calling, RAG, memory — работает всё 👉 Python и JavaScript, Java — скоро Быстрый старт: # pip install langchain-gigachat from langchain_gigachat import GigaChat llm = GigaChat(credentials="GIGA_KEY", model="GigaChat-2-Max") llm.invoke("Переведи: Hello, world!") Пример 🤖 ReAct-агента с поиском: # pip install langgraph duckduckgo-search from langgraph.prebuilt import create_react_agent from langchain_community.tools import DuckDuckGoSearchRun agent = create_react_agent(llm, tools=[DuckDuckGoSearchRun()]) agent.invoke( {"messages": [("user", "Какой курс биткоина в рублях?")]} ) К такому агенту можно подключить готовые 🔗 MCP-сервера. Например, подключим сервер, позволяющий агенту работать с диском: # pip install langchain_mcp_adapters from langchain_mcp_adapters.client import MultiServerMCPClient async with MultiServerMCPClient( { "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "."], } } ) as client: agent = create_react_agent(llm, tools=[DuckDuckGoSearchRun()] + client.get_tools()) await agent.ainvoke({"messages": [("user", "Сохрани курс биткоина в рублях в файл btc.txt")]}) Посмотрим, что получилось: > cat btc.txt > 7 083 821.138 RUB Агент справился, скомбинировав вызовы тулов из разных источников - сначала нашел информацию о курсе, а затем создал файл на диске с найденными данными. ⭐ Р