நம்பகமான AI ஏஜெண்டுகளின் பின்னணியிலுள்ள கட்டமைப்பு: LangChain, LangGraph மற்றும் புதிய எண்டர்பிரைஸ் ஸ்டேக்

பெரும்பாலான நிறுவனங்கள் இப்போது AI ஏஜெண்டுகளை ஏற்றுக்கொள்ள வேண்டுமா என்ற கேள்வியைத் தாண்டி சென்றுவிட்டன. இன்னும் கடினமான கேள்வி வந்துவிட்டது: கட்டுப்பாட்டை இழக்காமல், தன்னாட்சி மென்பொருள் உங்கள் சார்பில் செயல்பட அனுமதிப்பது எப்படி? பதில் பெரிய மாடல் அல்ல. அது சிறந்த கட்டமைப்பு (architecture). LangChain-லிருந்து LangGraph-க்கான பரிணாம வளர்ச்சியைவிட இந்த மாற்றத்தை தெளிவாக விளக்கும் கதைகள் சிலவே உள்ளன, மேலும் இன்று மல்டி-ஏஜெண்ட் அமைப்புகளை உருவாக்கும் எந்த நிறுவனத்திற்கும் இந்த பாடங்கள் நேரடியாகப் பொருந்தும்.

இது ஏன் இப்போது முக்கியம்

ஏஜெண்டிக் AI (Agentic AI) பரிசோதனையிலிருந்து உற்பத்திக்கு (production) கடந்துவிட்டது. அக்டோபர் 2025-ல், LangChain நிறுவனம் IVP தலைமையிலான சீரிஸ் B சுற்றில், Sequoia, Benchmark, CapitalG மற்றும் ServiceNow, Workday, Cisco, Datadog மற்றும் Databricks ஆகியவற்றின் வெஞ்சர் பிரிவுகளின் பங்கேற்புடன், 1.25 பில்லியன் அமெரிக்க டாலர் மதிப்பீட்டில் 125 மில்லியன் அமெரிக்க டாலர்களைத் திரட்டியது. LangChain மற்றும் LangGraph இரண்டிலும் சேர்த்து மாதாந்திரம் சுமார் 90 மில்லியன் பதிவிறக்கங்கள் உள்ளதாகவும், ஃபார்ச்சூன் 500 நிறுவனங்களில் மூன்றில் ஒரு பங்கிற்கும் மேற்பட்டவை அதன் சேவைகளைப் பயன்படுத்துவதாகவும் நிறுவனம் தெரிவிக்கிறது. Klarna, Cloudflare, Workday, Cisco மற்றும் LinkedIn உட்படப் பல நிறுவனங்கள் LangGraph-ஐ உற்பத்தியில் இயக்குவதாக நிறுவனம் தெரிவிக்கிறது.

முதலீட்டாளர்களும் நிறுவன வாங்குபவர்களும் சாட்பாட்டுகளுக்காகப் (chatbots) பணம் செலுத்தவில்லை. ஏஜெண்டுகளை நம்பகமானவையாகவும், கண்காணிக்கக்கூடியவையாகவும், நிர்வகிக்கக்கூடியவையாகவும் மாற்றும் அடுக்கிற்காக அவர்கள் பணம் செலுத்துகிறார்கள். வாரியங்கள் (boards) கேட்க வேண்டிய அடுக்கு அதுவே.

என்ன நடந்தது

LangGraph-ஐ உருவாக்கியது LangChain ஆகும். அது தனி நிறுவனம் அல்ல. கதை ஹாரிசன் சேஸுடன் (Harrison Chase) தொடங்குகிறது. அவர் ஹார்வர்டில் புள்ளியியலும் கணினி அறிவியலும் படித்தார், Kensho-வில் என்டிட்டி லிங்கிங் (entity linking) பணியில் பணியாற்றினார், பின்னர் Robust Intelligence-ல் இயந்திர கற்றல் சோதனைப் பணிகளை வழிநடத்தினார். அக்டோபர் 2022-ல், பெரிய மொழி மாடல்களின் (large language models) மீது பயன்பாடுகளை உருவாக்குவதிலுள்ள அழகற்ற குழாய் பணிகளைத் (plumbing) தீர்க்கும் திறந்த மூல பைதான் திட்டமாக LangChain-ஐ அவர் வெளியிட்டார்: மாடல்களைக் கருவிகள், தரவு மூலங்கள் மற்றும் பணிப்பாய்வுகளுடன் (workflows) இணைத்தல்.

2023 ஆம் ஆண்டின் தொடக்கத்தில், பிரின்ஸ்டனில் பயிற்சி பெற்ற பொறியாளரும், ஃபேஸ்புக்கில் நான்கு ஆண்டுகள் பணியாற்றியவரும், Robust Intelligence-ல் முன்னாள் சகபணியாளருமான அங்குஷ் கோலாவுடன் (Ankush Gola) சேஸ் LangChain நிறுவனத்தை இணைந்து நிறுவினார். கருவிகளைப் பயன்படுத்தக்கூடிய, நிலையைத் (state) தக்கவைத்துக்கொள்ளக்கூடிய, முடிவுகளை எடுக்கக்கூடிய மற்றும் சிக்கலான பணிப்பாய்வுகளை இயக்கக்கூடிய நம்பகமான AI ஏஜெண்டுகளை டெவலப்பர்கள் உருவாக்க உதவும் தயாரிப்பு பார்வையை சேஸ் முன்னோக்கி நடத்தினார். திறந்த மூலத் திட்டத்தைச் சுற்றி நிறுவனத்தை உருவாக்குவதில் - அதன் வணிக மற்றும் செயல்பாட்டு வளர்ச்சி உட்பட - கோலா பங்காளியாக இருந்தார்.

அதைத் தொடர்ந்து வந்த வரிசை ஒவ்வொரு தொழில்நுட்பத் தலைவருக்கும் பாடம் புகட்டுகிறது. LangChain எல்எல்எம் (LLM) பயன்பாடுகளை உருவாக்குவதற்கான கட்டமைப்பாகத் (framework) தொடங்கியது. ஏற்றுக்கொள்ளல் வளர்ந்தபோது, டெவலப்பர்கள் ஒரு சுவரை எட்டினர்: எளிய ப்ராம்ட் செயின்கள் (prompt chains) நீண்ட நேரம் இயங்கும், நம்பகமான மற்றும் கட்டுப்படுத்தக்கூடிய ஏஜெண்ட் பணிப்பாய்வுகளை ஆதரிக்க முடியாது. ஜனவரி 2024-ல், மனித ஒப்புதல் படிகள், மறுமுயற்சிகள் (retries), நிலைத்தன்மை (persistence) மற்றும் சிக்கலான ஒருங்கிணைப்பை (orchestration) ஆதரிக்கும் நிலையுடைய AI ஏஜெண்டுகளுக்கான கிராஃப் அடிப்படையிலான ரன்டைமாக (runtime) LangGraph மூலம் நிறுவனம் பதிலளித்தது. அக்டோபர் 2025-ல் LangChain மற்றும் LangGraph இரண்டும் 1.0 நிலைத்தன்மை மைல்கற்களை எட்டின, LangChain கட்டமைப்பு தானே LangGraph ரன்டைமின் மீது மீண்டும் கட்டப்பட்டது. சுற்றுச்சூழல் அமைப்பைத் தொடங்கிய கட்டமைப்பு இப்போது அது உருவாக்கிய ஒருங்கிணைப்பு இயந்திரத்தில் இயங்குகிறது.

தொழில்நுட்பம் மற்றும் கட்டமைப்பு தாக்கங்கள்

செயின்களிலிருந்து (chains) கிராஃப்களுக்கு (graphs) மாறுவது வெறும் பெயர் மாற்றம் அல்ல. செயின் என்பது நேரான கோடு: உள்ளீடு நிலையான வரிசை வழியாக வெளியீட்டிற்கு செல்கிறது. கிராஃப் என்பது முடிவுகளின் வரைபடம்: ஒரு ஏஜெண்ட் கிளைக்கலாம், சுழற்சியடையலாம், மீண்டும் முயற்சிக்கலாம், நிபுணத்துவ ஏஜெண்டுகளுக்கு ஒப்படைக்கலாம், மனித உள்ளீட்டிற்காக இடைநிறுத்தலாம். எண்டர்பிரைஸ் ஆர்கிடெக்டுகளுக்கு, மூன்று பண்புகள் மிக முக்கியமானவை.

முதலில், நிலை (state) முதல்தர குடிமகனாக மாறுகிறது. LangGraph ஒவ்வொரு ஏஜெண்ட் பணிப்பாய்வின் நிலையையும் செக்பாயிண்டிங் (checkpointing) மூலம் நிலைநிறுத்துகிறது, எனவே ஒரு செயல்முறை ஒப்புதலுக்காக மணிநேரங்கள் காத்திருந்து, நின்ற இடத்திலிருந்தே மீண்டும் தொடங்கலாம். இரண்டாவதாக, மனிதர்-சுற்றில் கட்டுப்பாடு (human-in-the-loop) ரன்டைமில் உள்ளமைக்கப்பட்டுள்ளது, பின்னர் இணைக்கப்படவில்லை. ஒப்புதல் படி என்பது கிராஃபில் உள்ள ஒரு நோடு (node), பயனர் இடைமுகத்தில் உள்ள பின்னூட்ட எண்ணம் அல்ல. மூன்றாவதாக, ஒருங்கிணைப்பு முறைகள் (orchestration patterns) வெளிப்படையாகின்றன. ஒரு மேற்பார்வை ஏஜெண்ட் (supervisor agent) நிபுணத்துவ ஏஜெண்டுகளை படிநிலையில் ஒருங்கிணைக்கலாம், யார் என்ன செய்யலாம் என்பது பற்றிய தெளிவான ஒப்பந்தங்களுடன்.

நடைமுறையில், ஏஜெண்ட் ஒருங்கிணைப்பு என்பது எண்டர்பிரைஸ் ஸ்டேக்கில் ஒரு புதிய மிடில்வேர் அடுக்காக (middleware tier) உருவெடுக்கிறது. அது ஃபவுண்டேஷன் மாடல்களுக்கும் (foundation models) வணிக அமைப்புகளுக்கும் இடையில் அமர்ந்திருக்கிறது - பழைய காலத்தில் அப்ளிகேஷன் சர்வர்கள் தரவுத்தளங்களுக்கும் பயனர் இடைமுகங்களுக்கும் இடையில் அமர்ந்திருந்தது போல. LangSmith போன்ற கண்காணிப்புத் தளங்கள் (observability platforms) ஏஜெண்ட் நடத்தையைத் தடமறியக்கூடியதாகவும் சோதிக்கக்கூடியதாகவும் மாற்றுவதன் மூலம் சித்திரத்தை நிறைவு செய்கின்றன.

வணிக மற்றும் போட்டி தாக்கங்கள்

நிறுவன AI-யில், மூல நுண்ணறிவு அல்ல, நம்பகத்தன்மைதான் (reliability) போட்டி அரண் (competitive moat). விளக்கமாக ஒரு காப்பீட்டுக் கோரிக்கை (insurance claims) செயல்பாட்டைக் கருத்தில் கொள்ளுங்கள். ஒரு கோரிக்கைத் தளம் ஆவண வரவேற்பு, பாலிசி சரிபார்ப்பு, சேத மதிப்பீடு மற்றும் மோசடி பரிசோதனை ஆகியவற்றிற்கான நிபுணத்துவ ஏஜெண்டுகளைக் கட்டுப்படுத்த ஒரு மேற்பார்வை ஒருங்கிணைப்பு ஏஜெண்டைப் (supervising orchestrator agent) பயன்படுத்தலாம். இந்த அமைப்பு இரவு முழுவதும் ஆதாரங்களைத் தொகுக்கலாம், பாலிசி விதிமுறைகளைச் சரிபார்க்கலாம், தீர்வுத் தொகையை மதிப்பிடலாம், மற்றும் விசாரணைக்காக முரண்பாடுகளைக் குறிக்கலாம். அது செய்ய முடியாதது என்னவென்றால், பணத்தை வெளியிடுவது. அந்தச் செயல் ஒப்புதல் வாயிலுக்குப் (approval gate) பின்னால் உள்ளது, அதை அங்கீகரிக்கப்பட்ட கோரிக்கை அதிகாரி மட்டுமே செயல்படுத்த முடியும்.

இதுவே LangGraph ஆதரிக்க வடிவமைக்கப்பட்ட முறை, மேலும் காப்பீடு, வங்கி மற்றும் சுகாதாரம் போன்ற ஒழுங்குபடுத்தப்பட்ட தொழில்களில் இந்த கட்டமைப்பு ஏன் குறிப்பாகப் பொருத்தமானது என்பதற்கு இதுவே காரணம். வணிகத் தர்க்கம் எளிது: தவறான செயலின் செலவு கட்டுப்பாட்டில் இருக்கும்போது மட்டுமே தன்னியக்கத்தின் மதிப்பு பெருக்கமடைகிறது. இந்த முறையில் தேர்ச்சி பெற்ற நிறுவனங்கள், பிழைகள் மலிவான இடங்களில் தீவிரமாக தன்னியக்கப்படுத்தலாம், பிழைகள் விலையுயர்ந்த இடங்களில் உறுதியாக வாயில் அமைக்கலாம். ஏஜெண்டுகளை மேற்பார்வையற்ற தன்னியக்கமாகக் கருதும் போட்டியாளர்கள் பயத்தால் மிக மெதுவாக நகர்வார்கள் அல்லது மிக வேகமாக நகர்ந்து பொதுவெளியில் அதற்கான விலையைச் செலுத்துவார்கள்.

அபாயங்கள் மற்றும் நிர்வாகக் கருத்துக்கள்

நான்கு அபாயங்கள் வாரிய அளவிலான கவனத்திற்கு உரியவை. வாயில்கள் இல்லாத தன்னாட்சி: ஒப்புதல் செக்பாயிண்டுகள் இல்லாமல் வெளிப்புற அமைப்புகளில் செயல்படக்கூடிய ஏஜெண்ட் ஒரு செயல்பாட்டு மற்றும் புகழ் பொறுப்பாகும். தணிக்கைத்திறன் (auditability): நிலையான நிலை மற்றும் முழு தடங்கள் (traces) இணக்கத்திற்குச் (compliance) சொத்துக்கள், ஆனால் தக்கவைத்தல், அணுகல் மற்றும் தனியுரிமைக் கட்டுப்பாடுகள் ஆரம்பத்திலிருந்தே வடிவமைக்கப்பட்டிருந்தால் மட்டுமே. குவிப்பு அபாயம் (concentration risk): LangGraph எம்ஐடி உரிமத்தின் (MIT licence) கீழ் திறந்த மூலமாகும், இது கட்டமைப்பு அளவில் லாக்-இன்னைக் (lock-in) கட்டுப்படுத்துகிறது, ஆனால் வரிசைப்படுத்தல் மற்றும் கண்காணிப்பு சேவைகளைச் சுற்றியுள்ள வணிகத் தளச் சேவைகள் இன்னும் சார்புநிலையை உருவாக்குகின்றன, இது எந்தவொரு மூலோபாய விற்பனையாளர் உறவைப் போலவே மதிப்பிடப்பட வேண்டும். ஒழுங்குமுறை எதிர்பார்ப்பு: உலகளாவிய மேற்பார்வை முறைமைகள் விளைவார்ந்த தன்னியக்க முடிவுகளில் நிரூபிக்கக்கூடிய மனித மேற்பார்வையை பெருந்தொகையாக எதிர்பார்க்கின்றன, மேலும் ஒப்புதல் வாயில்கள் அதை நிரூபிக்கும் மிகத் தெளிவான வழிகளில் ஒன்றாகும்.

சிஇஓக்கள் என்ன செய்ய வேண்டும்

உங்கள் நிறுவனத்தில் ஏஜெண்டுகள் என்ன பதில் சொல்ல முடியும் என்பதை மட்டுமல்ல, எங்கு செயல்பட முடியும் என்பதைக் கேளுங்கள். படிக்கும் ஏஜெண்டின் அபாய விவரம், பரிவர்த்தனை செய்யும் ஏஜெண்டினுடையதிலிருந்து முற்றிலும் வேறுபட்டது.

எழுதப்பட்ட ஒப்புதல்-வாயில் கொள்கையைக் (approval-gate policy) கோருங்கள்: எந்த முடிவுகளை ஏஜெண்டுகள் தனியாக எடுக்கலாம், எவற்றிற்கு மனித ஒப்புதல் தேவை, மற்றும் ஒவ்வொரு வாயிலுக்கும் யார் பொறுப்பு.

ஆர்ப்பாட்டங்களுக்கு (demonstrations) அல்ல, நம்பகத்தன்மை பொறியியலுக்கு (reliability engineering) நிதி ஒதுக்குங்கள். கண்காணிப்பு, மதிப்பீடு மற்றும் நிலை நிர்வாகத்திற்கு ஏஜெண்டிக் AI-யின் முக்கிய செலவுகளாக பட்ஜெட் செய்யுங்கள், விருப்பக் கூடுதல்களாக அல்ல.

ஒருங்கிணைப்புக் கட்டமைப்புகளைப் பல ஆண்டு விளைவுகளைக் கொண்ட மூலோபாய உள்கட்டமைப்பு முடிவுகளாகக் கருதுங்கள், மற்றும் வாரிய அபாயக் குழுவை ஆரம்பத்திலேயே ஈடுபடுத்துங்கள்.

சிடிஓக்கள் என்ன செய்ய வேண்டும்

குழுக்கள் தங்கள் சொந்த ஏஜெண்ட் ஸ்டேக்குகளைப் பெருக்குவதற்கு முன் ஒரு ஒருங்கிணைப்பு அடுக்கில் தரப்படுத்துங்கள். உங்கள் கட்டுப்பாடு, நிலைத்தன்மை மற்றும் தணிக்கைத் தேவைகளுக்கு எதிராக LangGraph-ஐ மாற்றுகளுடன் ஒப்பிட்டு மதிப்பிடுங்கள்.

மனிதர்-சுற்றில் கட்டுப்பாட்டைக் கட்டமைப்பாக வடிவமையுங்கள். ஒப்புதல் படிகள் முழு நிலை செக்பாயிண்டிங்குடன் பணிப்பாய்வு கிராஃபில் நிலையான நோடுகளாக இருக்க வேண்டும், முன்னணி மரபுகளாக அல்ல.

எல்லாவற்றையும் கருவிப்படுத்துங்கள் (instrument). ஒவ்வொரு ஏஜெண்ட் முடிவும் இணக்கம் மற்றும் பொறியியல் மீண்டும் இயக்கக்கூடிய (replay) தடத்தை உருவாக்க வேண்டும்.

கொள்முதல், கோரிக்கைகள் அல்லது விற்பனையாளர் மேலாண்மை போன்ற சமச்சீரற்ற பணிப்பாய்வுகளுடன் (asymmetric workflows) தொடங்குங்கள், அங்கு ஆராய்ச்சி மற்றும் பரிந்துரையைப் பாதுகாப்பாக தன்னியக்கப்படுத்தலாம், அதே நேரத்தில் உறுதிப்படுத்தல் செயல்கள் வாயிலில் இருக்கும்.

வெளியேறும் விருப்பத்தை உருவாக்குங்கள் (exit optionality). ஏஜெண்ட் தர்க்கத்தை நகர்த்தக்கூடியதாக (portable) வைத்திருங்கள், மற்றும் திறந்த மூலக் கட்டமைப்புக்கும் வணிகத் தளச் சேவைகளுக்கும் இடையிலான எல்லையை ஆவணப்படுத்துங்கள்.

மூலோபாய முடிவு

LangChain-லிருந்து LangGraph-க்கான பயணம், ஒவ்வொரு நிறுவனமும் இப்போது மேற்கொள்ள வேண்டிய பயணத்தைப் பிரதிபலிக்கிறது: ஈர்க்கக்கூடிய முன்மாதிரிகளிலிருந்து (prototypes) நிர்வகிக்கப்படும் உற்பத்தி அமைப்புகளுக்கு. மல்டி-ஏஜெண்ட் சகாப்தத்தில் வெற்றியாளர்கள் அதிக ஏஜெண்டுகளைக் கொண்ட நிறுவனங்கள் அல்ல. தங்கள் ஏஜெண்டுகளுக்கு என்ன அனுமதி உள்ளது என்பதைத் துல்லியமாக அறிந்திருக்கும், அதை நிரூபிக்கக்கூடிய, மற்றும் அந்த நம்பிக்கையை வணிகம் முழுவதும் விரிவாக்கக்கூடிய நிறுவனங்களே வெற்றியாளர்கள்.

ஈடுபாட்டுக் கேள்வி

ஒரு AI ஏஜெண்ட் தானாக முடிவெடுக்கக்கூடியதற்கும், ஒரு மனிதர் ஒப்புதல் அளிக்க வேண்டியதற்கும் இடையில் உங்கள் நிறுவனத்தில் எங்கு கோடு வரைவீர்கள்? கருத்துகளில் உங்கள் கண்ணோட்டத்தை நான் மதிப்பேன்.

கணித ரீதியாக யோசியுங்கள். நுண்ணறிவுடன் பொறியியல் செய்யுங்கள். மூலோபாய ரீதியாக வழிநடத்துங்கள். பொறுப்புடன் உருவாக்குங்கள். உலகளாவியதாக விரிவுபடுத்துங்கள். செயற்கை நுண்ணறிவின் மூலம் உண்மையான வணிக மதிப்பை உருவாக்குங்கள்.

#ArtificialIntelligence #AgenticAI #MultiAgentSystems #LangChain #LangGraph #EnterpriseAI #AIArchitecture #TechnologyStrategy #ResponsibleAI #DigitalTransformation #CTO #CEO

Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.