LangChain is een open-sourceframework voor Python en JavaScript waarmee ontwikkelaars toepassingen op basis van taalmodellen bouwen. Het biedt uniforme interfaces naar veel modelaanbieders en bouwstenen voor tool calling, agents, documentverwerking en retrieval-augmented generation. Sinds versie 1.0 (oktober 2025) zijn de agents van LangChain gebouwd op LangGraph. Typische toepassingen zijn chatbots die interne documenten doorzoeken en agents die externe diensten aanroepen.
Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.
Demo startenLangGraph is een open-sourceframework uit het LangChain-ecosysteem om AI-agents en meerstapsprocessen te modelleren als een graaf van knooppunten en verbindingen. Een gedeelde toestand wordt van stap naar stap doorgegeven, en lussen, vertakkingen, checkpointing en onderbrekingen voor menselijke goedkeuring zijn ingebouwd. Versie 1.0 verscheen in oktober 2025. Een voorbeeld is een agent die een onderwerp onderzoekt, een concept schrijft en op goedkeuring wacht voordat hij het verstuurt.
Retrieval-augmented generation combineert zoeken met tekstgeneratie: voordat het antwoordt, doorzoekt het systeem een kennisverzameling – zoals handleidingen, richtlijnen of veelgestelde vragen – op relevante passages en geeft die als context aan het taalmodel. Het antwoord is daardoor gebaseerd op actuele, bedrijfsspecifieke inhoud en niet alleen op de trainingskennis van het model. Dit vermindert verzonnen beweringen, maakt bronnen controleerbaar en maakt updates mogelijk zonder opnieuw te trainen.
Bij modelketens worden meerdere AI-modellen of AI-stappen achter elkaar geschakeld, zodat de uitvoer van de ene stap de invoer van de volgende wordt. Complexe taken kunnen zo worden opgedeeld in overzichtelijke deeltaken die elk afzonderlijk gecontroleerd en verbeterd kunnen worden. Voorbeeld: een eerste stap vat een klantvraag samen, een tweede wijst die toe aan een afdeling en een derde stelt het antwoord op.
CrewAI is een open-source Python-framework om meerdere AI-agents tot een team (een ‘crew’) te combineren. Elke agent krijgt een rol, een doel en passende tools; taken worden verdeeld en resultaten doorgegeven. Daarnaast bieden ‘flows’ strak gestuurde, gebeurtenisgestuurde workflows. Zo verzamelt een onderzoeksagent bijvoorbeeld informatie en maakt een schrijfagent er een rapport van.
