Гайды

Как установить LangChain: пошаговая инструкция

22 октября 2026 · 10 минут чтения

Проверка фактов

Юлия Найпак

Методист по автоматизации. Сверяет паспорт инструмента с документацией вендора.

Автор Р

Редакция

Коллектив авторов, редакторов и иллюстраторов статей на сайте блога онлайн-университета «Зерокодер». Пишем…

Черновик готовит редакция с помощью ИИ. За стандарт издания отвечает главный редактор — Валерий Курземнек.

Материал редакции Зерокодера. Счёт по выдаче снят собственным прогоном 22 октября 2026 года; цитаты источников приведены дословно. Обновлено: октябрь 2026.

Как установить LangChain: нужен Python 3.10 или новее и одна команда — pip install -U langchain либо uv add langchain. Этого достаточно для базового пакета. Интеграции с моделями ставятся отдельно: pip install -U langchain-openai для OpenAI, pip install -U langchain-anthropic для Anthropic. Дальше в статье — порядок действий, проверка, первый агент и разбор ошибок.

Мы скачали подборку результатов веб-поиска по запросу «Как установить LangChain»: текст отдали 10 из 10. Медиана объёма читаемого текста топа — 1146 слов. Метку 2026 года несут 1 из 10 прочитанных страниц.

Прямой ответ и границы продукта

Отдельная ветка — локальные модели через Ollama. В документации проекта указано, что для локального режима Ollama должен быть запущен, а для облачного вывода задаётся ключ OLLAMA_API_KEY. Это тот случай, когда библиотека и модель живут на одной машине.

Ещё одна граница — версии. В документации проекта есть страница миграции на LangChain v1: часть старых модулей переехала, а легаси-код вынесен в пакет langchain-classic. Если вы ставите библиотеку в существующий проект, сверьтесь с этой страницей до обновления. Подробнее о поведении библиотеки в бою — в материале LangChain не работает: причины и решения.

Условия доступа и источник требований

Источник актуальных требований — документация проекта на docs.langchain.com. Там же лежат страницы установки, быстрого старта и моделей. Это первоисточник, по которому стоит сверяться, потому что требования меняются от версии к версии.

Что подтверждено документацией проекта:

Разница между 3.10+ и 3.11+ объясняется просто: страница установки описывает минимум для библиотеки, а быстрый старт предлагает версию, на которой команда показывает пример. Практический вывод — ставьте Python 3.11 или новее, если начинаете с нуля.

Доступность сервисов из России в прочитанных источниках не описана. Документация проекта говорит о пакетах и ключах, а вопросы доступа к провайдерам моделей решаются на стороне провайдера. Проверяйте условия у того сервиса, чью модель собираетесь вызывать.

Порядок действий по выбранной задаче

Ниже — порядок для типового случая: чистый проект на Python, одна модель, первый агент. Шаги идут подряд, каждый можно проверить до перехода к следующему.

1. Проверьте версию Python командой python --version или python3 --version. Нужна 3.10 или новее, для быстрого старта — 3.11+.
2. Создайте виртуальное окружение. Для pip-пути документация проекта показывает python3.11 -m venv .venv, затем source .venv/bin/activate, а на Windows — .venv\Scripts\activate.
3. Установите базовый пакет: pip install -U langchain или uv add langchain.
4. Добавьте интеграцию с вашей моделью: pip install -U langchain-openai, pip install -U langchain-anthropic или другой пакет из списка на странице моделей.
5. Задайте ключ API в переменной окружения. Для bash используйте export OPENAI_API_KEY="your-api-key", заменив пример своим ключом. Знак равенства записывается без пробелов; для других провайдеров используйте имя переменной из документации.
6. Проверьте импорт и вызов модели коротким скриптом.
7. Соберите первого агента через create_agent и запустите его на простом запросе.

Шаг с ключом часто путают с шагом установки. Ключ не хранится в коде: документация проекта показывает переменные окружения, а в примерах для моделей ключ подставляется в os.environ. Это разделяет код и секреты, и тот же код переносится между машинами.

Для uv-пути используйте uv python pin 3.11, uv init, uv add langchain, затем добавьте интеграцию выбранного провайдера: uv add langchain-openai или uv add langchain-anthropic. Выполните uv sync, задайте ключ и сохраните пример ниже в agent_demo.py. Запустите его через uv run python agent_demo.py; в активированном окружении pip используйте python agent_demo.py.

Если вы работаете с локальной моделью, добавьте шаг с Ollama. В документации проекта сказано, что локальный режим требует запущенного Ollama. Порядок такой: поднять Ollama, затем в коде указать модель вида ollama:devstral-2. Ошибки соединения с локальным сервером разобраны в статье Ollama ошибка 500: диагностика и решение.

Учебный пример и критерии проверки

Пример ниже — наша учебная заготовка по мотивам быстрого старта из документации проекта. Она показывает минимальный агент с одним инструментом.

from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="openai:gpt-5.5",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "What's the weather in San Francisco?"}]}
)
print(result["messages"][-1].content_blocks)

Разбор по частям. create_agent приходит из langchain.agents — в документации проекта это модуль создания агентов. Аргумент model принимает строку с провайдером и именем модели. tools — список функций, которые агент может вызвать. system_prompt задаёт роль. Вызов agent.invoke принимает словарь с историей сообщений, а результат читается из последнего сообщения.

Проверка без агента тоже полезна. Документация проекта показывает прямой вызов модели: model = init_chat_model("gpt-5.5"), затем response = model.invoke("Why do parrots talk?"). Такой скрипт отделяет проблемы установки от проблем агента.

Смежные варианты и выбор по задаче

Пакеты и способы запуска различаются по задаче. Ниже — сравнение вариантов, которые описаны в документации проекта.

Выбор сводится к двум вопросам: где живёт модель и как вы управляете зависимостями. Для облачной модели ставьте базовый пакет плюс интеграцию провайдера. Для локальной — Ollama и соответствующий префикс модели. Для проекта с жёсткими версиями берите uv: в документации проекта показана связка uv python pin 3.11, uv init, uv add langchain, uv sync.

Отдельный слой — режимы вызова модели. Документация проекта перечисляет вызов с агентами, автономный вызов, потоковую передачу и работу с сообщениями. Автономный режим подходит для генерации текста, классификации и извлечения данных. Режим агента нужен, когда модель вызывает инструменты. Потоковая передача полезна для интерфейсов с постепенным выводом.

Про миграцию. В документации проекта на странице перехода на LangChain v1 перечислены изменения: create_agent и AgentState в langchain.agents, типы сообщений в langchain.messages, инструменты в langchain.tools, инициализация моделей в langchain.chat_models. Легаси-цепочки, ретриверы и модуль hub вынесены в langchain-classic. Если проект уже написан на старом API, планируйте переход отдельной задачей.

Типичные проблемы и диагностика

Проблемы при установке делятся на три группы: окружение, пакеты, ключи. Ниже — проверяемые способы диагностики.

Python не найден. Команда python не отвечает. Проверьте python3 --version и python --version по отдельности. Документация проекта требует 3.10+, для быстрого старта — 3.11+. Если версия ниже, обновите интерпретатор.

Ошибка прав при установке. Установка в системный интерпретатор упирается в права. Решение — виртуальное окружение: python3.11 -m venv .venv, затем активация и установка внутри него. Документация проекта показывает этот путь для pip.

Модуль не найден после установки. Скрипт запускается другим интерпретатором, чем тот, куда встал пакет. Проверьте, что окружение активировано, и повторите pip install -U langchain внутри него.

Ошибка авторизации при вызове модели. Ключ не задан или задан в другом окне терминала. Документация проекта показывает форму export OPENAI_API_KEY = "your-api-key" и аналогичные строки для остальных провайдеров. Переменная должна быть доступна процессу, который запускает скрипт.

Локальная модель не отвечает. В документации проекта сказано, что для локального режима Ollama должен быть запущен. Проверьте, что сервер работает, и что в строке модели указан префикс ollama:.

Старый код не запускается после обновления. В документации проекта описана миграция на LangChain v1 с переносом легаси-модулей в langchain-classic. Сверьте импорты со страницей миграции.

Диагностику удобно вести от простого к сложному. Сначала импорт, потом прямой вызов модели, потом агент. Если прямой вызов работает, а агент нет — проблема в инструментах или системном промпте. Если не работает и прямой вызов — проблема в ключе или пакете.

Частые вопросы

Как скачать LangChain? Отдельного установщика нет: библиотека ставится менеджером пакетов Python. В документации проекта приведены команды pip install -U langchain и uv add langchain. Обе требуют Python 3.10 или новее. Перед установкой создайте виртуальное окружение, чтобы не менять системный интерпретатор.

Какая версия Python нужна для установки? Документация проекта указывает Python 3.10+ на странице установки. На странице быстрого старта приведена версия 3.11+. Если начинаете новый проект, ставьте Python 3.11 или новее. Проверить текущую версию можно командой python --version.

Как проверить, что LangChain установился? Запустите короткий скрипт с импортом из langchain.agents и вызовом модели. Успешный импорт подтверждает установку базового пакета. Ответ модели подтверждает, что ключ принят и интеграция провайдера работает. Ошибка авторизации при этом означает, что запрос уходит провайдеру.

Нужен ли ключ API для работы с LangChain? Для облачных моделей ключ нужен: документация проекта показывает переменные окружения вида OPENAI_API_KEY, ANTHROPIC_API_KEY, GOOGLE_API_KEY. Для локальной модели через Ollama ключ нужен только в облачном режиме вывода. Библиотека сама ключи не выдаёт.

Чем uv отличается от pip при установке? Оба ставят пакеты, различается управление проектом. В документации проекта для uv показана последовательность uv python pin 3.11, uv init, uv add langchain, uv sync. Для pip показано виртуальное окружение и pip install -U langchain. Выбирайте uv для новых проектов с фиксацией версий.

Готовый промпт для первого агента

Промпт ниже — наша формулировка для случая, когда вы уже установили библиотеку и хотите собрать рабочий скрипт под свою задачу. Скопируйте его в чат с моделью и замените квадратные скобки.

Собери минимальный скрипт на Python с LangChain v1 под мою задачу.

Задача: [ваша тема]
Модель: [ваш провайдер и имя модели]
Инструменты: [что агент должен уметь вызывать]

Требования:
- используй create_agent из langchain.agents
- покажи импорты, определение инструментов и вызов агента
- ключ API бери из переменной окружения
- добавь короткий блок проверки результата
- объясни каждую строку одним предложением
- укажи, какие пакеты нужно установить перед запуском

Что менять под себя: тему задачи, провайдера и имя модели, список инструментов. Если инструментов нет, оставьте пустой список и попросите агента без вызова функций.

Вариации той же задачи:

1. Промпт для агента с двумя инструментами и проверкой, что вызывается нужный.
2. Промпт для скрипта без агента: прямой вызов модели через init_chat_model.
3. Промпт для потокового вывода с постепенной печатью ответа.
4. Промпт для локальной модели через Ollama с проверкой соединения.
5. Промпт для перевода старого кода на LangChain v1 с разбором изменённых импортов.

Смежная задача — подключение модели к автоматизации. Если вы собираете сценарии в n8n, посмотрите материал Как подключить Gemini к n8n. Для работы с таблицами пригодится разбор Как использовать ГигаЧат для таблиц Excel.