> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# LangChain

> 標準の OpenAI 互換 chat と embeddings を使用して TokenLab を LangChain に統合

## 概要

TokenLab は、標準の OpenAI 互換 chat および embeddings インターフェースを使用する場合、LangChain の `ChatOpenAI` と `OpenAIEmbeddings` の統合で問題なく動作します。

<Note>
  現在の LangChain ドキュメントでは、`ChatOpenAI` は公式の OpenAI 互換のリクエスト/レスポンス形式を対象としていると記載されています。プロバイダー固有の非標準レスポンスフィールドが必要な場合は、`ChatOpenAI` に依存するのではなく、プロバイダー固有の LangChain 統合を使用してください。
</Note>

<Note>
  **種類**: フレームワーク / プラットフォーム

  **主要パス**: OpenAI互換の標準 surface

  **サポートレベル**: 標準 surface をサポート
</Note>

このページは、標準的な OpenAI 互換 LangChain インターフェースのみを対象としており、それを超えるプロバイダー固有の LangChain 機能までは扱いません。

## インストール

```bash theme={null}
pip install langchain langchain-openai langchain-community faiss-cpu
```

## 基本設定

```python theme={null}
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.4",
    api_key="sk-your-tokenlab-key",
    base_url="https://api.tokenlab.sh/v1",
)

response = llm.invoke("Explain TokenLab in one sentence.")
print(response.content)
```

## 異なるモデルの使用

```python theme={null}
from langchain_openai import ChatOpenAI

gpt = ChatOpenAI(
    model="gpt-5.4",
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
)

claude = ChatOpenAI(
    model="claude-sonnet-4-6",
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
)

gemini = ChatOpenAI(
    model="gemini-3.5-flash",
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
)

deepseek = ChatOpenAI(
    model="deepseek-r1",
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
)
```

## メッセージ履歴

```python theme={null}
from langchain_core.messages import HumanMessage, SystemMessage

messages = [
    SystemMessage(content="You are a helpful assistant."),
    HumanMessage(content="What is the capital of France?")
]

response = llm.invoke(messages)
print(response.content)
```

## ストリーミング

```python theme={null}
for chunk in llm.stream("Write a short poem about coding."):
    if chunk.content:
        print(chunk.content, end="", flush=True)
```

## Embeddings

```python theme={null}
from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(
    model="text-embedding-3-small",
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
)

vector = embeddings.embed_query("Hello world")
print(vector[:5])
```

## シンプルな RAG の例

```python theme={null}
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import FAISS
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

embeddings = OpenAIEmbeddings(
    model="text-embedding-3-small",
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
)

texts = [
    "TokenLab provides one API for many AI models.",
    "TokenLab supports OpenAI-compatible integrations."
]

vectorstore = FAISS.from_texts(texts, embeddings)
retriever = vectorstore.as_retriever()

prompt = ChatPromptTemplate.from_template(
    "Answer using the context below.\\n\\nContext:\\n{context}\\n\\nQuestion:\\n{question}"
)

rag_chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | llm
)

response = rag_chain.invoke("What does TokenLab provide?")
print(response.content)
```

## Agents

<Note>
  新しい agentic プロジェクトでは、LangChain は長時間実行されるワークフローやツールを使用するワークフローをより明示的に制御するために、LangGraph の検討を推奨しています。
</Note>

```python theme={null}
from langchain.agents import create_openai_tools_agent, AgentExecutor
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.tools import tool

@tool
def search(query: str) -> str:
    """Search for information."""
    return f"Search results for: {query}"

tools = [search]

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful assistant with access to tools."),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}")
])

agent = create_openai_tools_agent(llm, tools, prompt)
executor = AgentExecutor(agent=agent, tools=tools)

result = executor.invoke({"input": "Search for TokenLab pricing"})
print(result["output"])
```

## ベストプラクティス

<AccordionGroup>
  <Accordion title="`base_url` を明示的に渡す">
    より信頼性の高い TokenLab の設定方法は、古い environment-variable alias に依存するのではなく、`base_url="https://api.tokenlab.sh/v1"` を `ChatOpenAI` と `OpenAIEmbeddings` に直接渡すことです。
  </Accordion>

  <Accordion title="ここでは標準機能を使用する">
    `ChatOpenAI` では、標準の chat、tool calling、streaming、および embeddings を使用してください。ベンダー固有の追加機能が必要な場合は、そのベンダー独自の LangChain 統合に切り替えてください。
  </Accordion>

  <Accordion title="検索には低コストなモデルを使用する">
    検索には `text-embedding-3-small` のような embedding モデルを使用し、より高性能な chat モデルは最終回答のステップのために温存してください。
  </Accordion>
</AccordionGroup>