#langgraph

EP232: 6 Frequently Used Orchestration Frameworks in an AI system

Orchestration in an AI system manages tasks across agents, handles failures, shared memory and context.

Agent Framework vs. Agent Harness, clearly explained!

+ a technique for 23x faster attention!

Your AI Agent Is About to Email the Wrong Client. Now What?

Your AI Agent Is About to Email the Wrong Client. Now What? Why production-ready AI isn’t about raw autonomy — it’s about knowing when to stop and ask permission. Picture this. It’s 4:45 PM …

Built My Own MCP Server in 80 Lines of Python. Now Claude Knows My Sales Pipeline.

Tác giả đã xây dựng một MCP server chỉ với 80 dòng code Python để tích hợp Claude với hệ thống sales pipeline. Việc sử dụng MCP (Model Context Protocol) cho phép Claude truy cập dữ liệu bán hàng thông qua các công cụ được tự định nghĩa. Server này giúp Claude hiểu được bối cảnh doanh số và có thể truy vấn thông tin từ pipeline một cách hiệu quả. Dự án chứng minh rằng các developer có thể mở rộng khả năng của AI agents một cách nhanh chóng với ít code nhưng hiệu quả cao.

Bài này sẽ hướng dẫn bạn tạo một MCP server Python đơn giản để tích hợp dữ liệu kinh doanh vào Claude.

Powering the Agent Development Lifecycle with any framework, from ADK to LangChain and beyond

Trong bối cảnh phát triển các agent AI với nhiều framework khác nhau, Microsoft giới thiệu Agents CLI Extension System để giải pháp tích hợp. Hệ thống này cho phép developer tích hợp các framework phổ biến như LangChain hay ADK vào một quy trình phát triển duy nhất. Nguyên nhân kỹ thuật là do sự phân mảnh của ecosystem AI khiến developer phải làm việc với nhiều công cụ không tương thích. Hệ quả là giảm độ phức tạp trong quản lý dependency và tăng hiệu suất triển khai agent. Điều đáng học là cách tiếp cận module hóa này có thể mở rộng cho bất kỳ framework nào, dù là open-source hay độc quyền, mà không cần thay đổi kiến trúc nền.

Bài này giúp lập trình viên tích hợp bất kỳ framework nào như LangChain vào quy trình phát triển Agent một cách thống nhất.

Building an AI Agent With LangGraph and Python – Real Python

Trong lĩnh vực phát triển AI agent, bài viết hướng dẫn xây dựng agent có trạng thái sử dụng LangGraph và Python. Khóa học video thực hành này tập trung vào việc triển khai state graphs, nodes và conditional edges để tạo ra agent thông minh. Bạn sẽ học cách quản lý state phức tạp và điều khiển luồng thực thi của agent qua các conditional edges. Bài viết cung cấp kiến thức thực tế về cách thiết kế agent có khả năng phản hồi ngữ cảnh và duy trì trạng thái qua các lượt tương tác. Đây là tài liệu hữu ích nếu bạn đang tìm hiểu về triển khai AI agent với khả năng xử lý luồng công việc phức tạp.

Bài hướng dẫn này giúp bạn xây dựng một AI agent có trạng thái bằng LangGraph và Python, một kỹ năng thiết yếu trong kỷ nguyên AI hiện đại.

Building a Tool-Calling AI Agent with LangChain, LangGraph, Groq and LangSmith

Building a Tool-Calling AI Agent with LangChain, LangGraph, Groq and LangSmith How I built an assistant that searches the web, checks the weather, tells the time anywhere and converts currencies, and …

Temporal AI framework integrations are now GA

Temporal integrations for Google ADK, OpenAI Agents SDK, AWS Strands, LangGraph, and more are GA. Here to add Durable Execution to your agents.

The Evolution of Agentic Harnesses: From Chains to Graph to Code

Agentic AI harnesses have evolved and matured, giving engineers many options to consider. The article advises on choosing the simplest design that meets reliability, speed, and cost needs.

Building an AI Agent With LangGraph and Python Quiz – Real Python

Bài viết cung cấp bài trắc nghiệm về LangGraph giúp kiểm tra hiểu biết về state graphs, nodes, edges và tools. Nội dung tập trung vào khả năng theo dõi quy trình làm việc của một AI agent được xây dựng bằng Python. Qua các câu hỏi, bài viết kiểm tra khả năng nắm vững các khái niệm cốt lõi trong LangGraph để phát triển agent hiệu quả. Người đọc có thể tự đánh giá mức độ thành thạo khi áp dụng LangGraph vào dự án AI thực tế. Bài viết đặc biệt hữu ích cho lập trình viên muốn củng cố kiến thức về framework agent workflow này trước khi triển khai.

Kiểm tra kiến thức về LangGraph và quy trình làm việc của agent AI để nâng cao kỹ năng lập trình trí tuệ nhân tạo.

Evaluating AI agents: moving past the vibe check

Move past the vibe check. Learn how Google Cloud engineers evaluate multi-turn AI agents using CUJs, synthetic user simulation, boolean judges, and the open-source agent-eval toolkit.

AI Agents & Harnesses Foundations

My review of AI Agents & Harnesses Foundations by Eden Marco, covering LangChain, ReAct, and building reliable AI agents.

Building a Durable Multi-Agent System with LangGraph and LangSmith

Bối cảnh xây dựng hệ thống multi-agent đòi hỏi khả năng quản lý phức tạp giữa các agent tương tác. Nguyên nhân kỹ thuật đến từ việc cần orchestration logic giữa các agent, giải pháp sử dụng LangGraph để xây dựng stateful workflows và LangSmith để tracking/debugging. Hệ quả là hệ thống có khả năng tự sửa lỗi (self-healing) và thích ứng với thay đổi nhờ cơ chế checkpointing. Điều đáng học là cách implement error recovery patterns và visualize execution traces với công cụ cụ thể trong bài viết.

Lập trình viên nên đọc bài này để học cách xây dựng hệ thống đa tác phẩm bền vững với LangGraph và LangSmith qua ví dụ code thực tế.

The top 10 AI agent frameworks to know in 2026

Compare the top AI agent frameworks in 2026, including Vercel AI SDK, Mastra, LangGraph, OpenAI Agents SDK, and Claude Agent SDK.

One Platform for Every AI Agent at Halodoc

Halodoc đã triển khai một nền tảng thống nhất để quản lý các AI agent HILDA, Mercia và AIDA, giải quyết vấn đề phân mảnh hệ thống trước đây. Giải pháp kỹ thuật sử dụng microservices, Kubernetes và StatefulSet để tạo một orchestration layer có khả năng scaling linh hoạt mà không làm gián đoạn các phiên session đang hoạt động. Hệ quả là giảm 60% thời gian response time và tăng 40% tỷ lệ accurate predictions nhờ các shared guardrails đồng bộ. Bài viết đáng học hỏi ở cách thiết kế stateless session management và integration patterns giữa các agent với nhau.

Halodoc đã tạo ra một nền tảng thống nhất để quản lý tất cả các tác nhân AI giúp đơn giản hóa phát triển và tăng cường bảo mật.

Debugging LangGraph: How to Find Exactly Which Node Broke Your AI Agent

“” is published by Shashank Shekhar pandey.

Choosing the Right Agentic AI Framework for 2026: A Decision-Tree Approach

A decision-tree framework helps developers pick the right agentic AI orchestration tool for production systems by first asking whether multi-agent coordination is even needed, then working through three decision nodes: mental model (graph-based, role-based, or conversational), durability/state requirements, and ecosystem constraints. Five frameworks are compared: LangGraph excels at durability, audit trails, and human-in-the-loop approval for regulated industries but has a steep learning curve; CrewAI offers the fastest prototyping via a role-based metaphor but is harder to constrain; AutoGen/AG2 suits iterative code generation and Microsoft ecosystem integration but risks conversational drift; PydanticAI brings FastAPI-style type safety to agents but isn't a full orchestration solution; and the OpenAI Agents SDK offers minimal boilerplate for simple workflows but locks teams into OpenAI's API. Practical advice includes building single-agent systems first, prototyping in two frameworks when requirements are ambiguous, and accounting for multiplied token costs in multi-agent setups.

Add NeMo Guardrails to a LangGraph agent on OpenShift AI

Trong bối cảnh triển khai LangGraph agent trên Red Hat OpenShift AI, bài viết hướng dẫn tích hợp NeMo Guardrails để tăng cường bảo mật. Phương pháp sử dụng proxy pattern cho phép kiểm tra (inspect) các request mà không cần sửa đổi mã nguồn agent hiện có. Kỹ thuật này giúp ngăn chặn các prompt injection và đảm bảo output an toàn. Giải pháp hữu ích cho các nhà phát triển muốn tăng cường khả năng bảo mật cho LLM agent một cách linh hoạt.

Bài này hướng dẫn bạn bảo mật agent LangGraph trên OpenShift AI bằng NeMo Guardrails mà không cần thay đổi code hiện có.

How GitLab reduced code-per-agentic-flow ratio by 45%

Learn how Flow Registry, a component-based framework that compiles YAML configurations into fully functional LangGraph flows, helped improve scalability and more.