پکیج
langchainنسخهی 1.5.0 را روی Python 3.11 یا بالاتر و حتماً با یک فایل قفل (lockfile) نصب کنید؛ چون این مجموعه از چندین پکیج با نسخهبندیهای مستقل تشکیل شده و حتی یک نسخهی فرعی (minor) هم میتواند رفتار برنامه را تغییر دهد.
شاید برایتان پیش آمده باشد که عبارت from langchain.chains import LLMChain را از پاسخی قدیمی کپی کنید و پایتون خطای ModuleNotFoundError بدهد. یا برای استفاده از یک لودر، پکیج langchain-community را نصب کنید و بعد بخوانید که توسعهی این پکیج متوقف شده است. یا مثلاً دستور یکسان pip install را یک بار روی Python 3.10 و بار دیگر روی 3.12 اجرا کنید و دو نسخهی کاملاً متفاوت از langchain تحویل بگیرید.
پس از پایان این بخش، متوجه میشوید هر عبارت import متعلق به کدام پکیج است و میتوانید کل این مجموعه را روی نسخههای پینشده (تثبیتشده) نصب کنید. همچنین درمییابید که چرا استفاده از فایل قفل الزامی است.
نقشهی پکیجها
توزیع (Distribution): پکیج با همان نامی که در pip دارد؛ مثل langchain-core. نام import آن در پایتون به جای خط تیره، زیرخط (_) دارد؛ مثل langchain_core.
این مجموعه در نسخههای پینشده، میان این توزیعها تقسیم میشود:
| توزیع | نسخه | نام import | شامل چه مواردی است |
|---|---|---|---|
langchain |
1.5.0 | langchain |
تابع create_agent، میانافزارها، init_chat_model، ماژول langchain.mcp، و مسیرهای کوتاه برای import پیامها و ابزارها |
langchain-core |
1.8.0 | langchain_core |
پیامها و بلوکهای محتوا، BaseChatModel، ابزارها، کالبکها، اسناد، بازیابها، امبدینگها، و مدلهای ساختگی (fake models) |
langgraph |
1.2.22 | langgraph |
کلاس StateGraph، حلقهی Pregel، دستورات Command و Send، تابع interrupt، رابط کاربری تابعی (functional API)، و استریمینگ |
langgraph-prebuilt |
1.1.2 | langgraph.prebuilt |
کلاسهای ToolNode، ToolRuntime، InjectedState، و تابع منسوخشدهی create_react_agent |
langgraph-checkpoint |
4.3.2 | langgraph.checkpoint، langgraph.store |
رابط ذخیرهساز (saver interface)، کلاسهای InMemorySaver، سریالایزرها، و InMemoryStore |
langgraph-checkpoint-sqlite |
3.1.3 | langgraph.checkpoint.sqlite |
کلاسهای SqliteSaver و SqliteStore |
langgraph-checkpoint-postgres |
3.2.1 | langgraph.checkpoint.postgres |
کلاسهای PostgresSaver و PostgresStore |
langsmith |
0.14.17 | langsmith |
کلاینت ردگیری محاسبات، traceable، و تابع evaluate |
deepagents |
0.7.38 | deepagents |
تابع create_deep_agent، بکاندهای آن، و میانافزارهایش |
langchain-text-splitters |
1.1.3 | langchain_text_splitters |
تقسیمکنندههای متن |
langchain-classic |
1.0.8 | langchain_classic |
فضای نام نسخهی 0.3: زنجیرهها (chains)، ایجنتهای قدیمی، ماژول prompt hub، و کلاسهای حافظهی قدیمی |
هر ارائهدهندهی مدل، پکیج اختصاصی خود را دارد؛ مثل langchain-openai نسخه 1.8.0، langchain-anthropic نسخه 1.7.10، و langchain-ollama نسخه 1.1.0. همگی در همان مخزن langchain نگهداری میشوند، ولی هر کدام با تگ مجزایی منتشر میشوند. در تگ 1.5.0 برای langchain، پکیج OpenAI موجود در درخت مخزن هنوز نسخهی 1.7.4 است {{code libs/partners/openai/pyproject.toml}}. نسخههای 1.0.8 برای langchain-classic و 0.4.2 برای langchain-community از PyPI گرفته شدهاند، نه از نسخههای ثبتشده در مخزن.
پکیجهای langgraph، langgraph-prebuilt، langgraph-checkpoint و langgraph-checkpoint-postgres در نسخههای پینشده، همگی از یک commit واحد با چهار شماره نسخهی متفاوت تولید شدهاند. شکل پیشنیازهای هر پکیج را نشان میدهد.
چه چیزهایی جابهجا شدند
بخشهای قدیمی در نسخهی 1.0 از پکیج langchain جدا شدند و سه مخزن نیز در سال 2026 بایگانی (archive) شدند.
- زنجیرهها و ایجنتهای قدیمی: کلاسهای
LLMChain،AgentExecutor، رابط کاربری نمایهسازی (indexing API)، و ماژول hub همگی در پکیجlangchain-classicو زیر ماژولlangchain_classicقرار دارند {{code libs/langchain/langchain_classic}}. - یکپارچهسازیهای جامعهی کاربری (Community integrations): پکیج
langchain-communityنسخهی 0.4.2 آخرین نسخهی منتشرشده است و مخزن آن بایگانی شده است. فایل README آن اعلام میکند که توسعهی پکیج به پایان رسیده است {{issue langchain-community README}}. این پکیج هنوز نصب میشود و همچنان بهlangchain-classicوابستگی دارد. - تطبیقدهندهی MCP: مخزن
langchain-mcp-adaptersبایگانی شده است. طبق فهرست تغییرات (changelog)، از نسخهی 1.4.0 پکیجlangchain، ماژولlangchain.mcpجایگزین آن شده است {{docs oss/python/releases/changelog}}. در نسخههای پینشده، بستهی اضافیِlangchain[mcp]آن را نصب میکند. هرگز هر دوی آنها را در یک محیط نصب نکنید، چون تطبیقدهندهی قدیمی به نسخههای زیر 2 پکیجmcpنیاز دارد. - مخزن LangSmith SDK: مخزن
langsmith-sdkبایگانی شده و کلاینت پایتون آن اکنون درlangsmith-pythonنگهداری میشود. نام پکیج در pip دستنخورده مانده و همچنانlangsmithاست.
تابع create_react_agent از مسیر langgraph.prebuilt هنوز قابل import است، اما هشدار میدهد که به create_agent منتقل شده است. بخش 1.3 ایجنت جایگزین آن را معرفی میکند.
پایتون 3.11
کف نسخهی پایتون (Python floor): قدیمیترین نسخهی پایتونی است که یک پکیج در فیلد requires-python خود مشخص میکند.
مستندات رسمی و پکیجها دربارهی این کف نسخه اتفاق نظر ندارند. در صفحهی راهنمای نصب، دستور pip install -U langchain آمده و در توضیحات نوشته شده به Python 3.10 یا بالاتر نیاز است {{docs oss/python/langchain/install}}. اما مدخل فهرست تغییرات برای نسخهی 1.5 پکیج langchain میگوید حداقل نسخه، Python 3.11 است {{docs oss/python/releases/changelog}}. متادیتای پکیجها گفتهی فهرست تغییرات را تأیید میکند: langchain 1.5.0 و langchain-core 1.8.0 رسماً Python 3.11 یا بالاتر را الزامی کردهاند {{code libs/langchain_v1/pyproject.toml}}. این در حالی است که langgraph 1.2.22 هنوز نسخهی 3.10 را اعلام میکند.
این کتابچه متادیتای پکیجها را ملاک قرار میدهد که رتبهاش بالاتر از هر دو صفحهی مستندات است. روی Python 3.10، اجرای pip install langchain نسخههای 1.4.x را برمیگزیند و هیچ هشداری هم دریافت نمیکنید که نسخهی قدیمیتری گرفتهاید. از Python 3.11 یا بالاتر استفاده کنید. محیط ضبط این راهنما از نسخهی 3.13 استفاده میکند.
همین تغییر، یکی از قوانین صفحهی سیاست انتشار (release policy) را هم نقض میکند. آن صفحه میگوید کف نسخهی پایتون تنها در انتشارهای اصلی (major) تغییر میکند {{docs oss/python/release-policy}}. در حالی که langchain 1.5.0 یک انتشار فرعی به شمار میرود. در دفتر ثبت این کتابچه، این مغایرت با عنوان تعارض D101 آمده است.
یک فایل قفل
انتشار فرعی یک پکیج میتواند رفتار کدی را که مینویسید تغییر دهد. برای نمونه، در نسخهی 1.7.0 از langchain-core، رویدادهای مربوط به فراخوانی ابزار (tool call) در استریمینگ تغییر کرد. مدخل فهرست تغییرات آن نسخه تذکر میدهد که برای حفظ ساختار قبلی، باید پکیج را روی نسخههای پایینتر از 1.7 قفل کنید {{docs oss/python/releases/changelog}}. همچنین طبق تاریخهای انتشار PyPI، پکیج langgraph سه نسخهی 1.2.20، 1.2.21 و 1.2.22 را تنها ظرف 9 روز منتشر کرد.
بنابراین، تمام پکیجهای این مجموعه را روی یک نسخهی دقیق قفل کنید. کیت ضبط این دوره، 25 پکیج را در فایل capture/requirements.txt پین کرده و موارد نصبشده را ثبت میکند:
python 3.13
langchain==1.5.0
langchain-core==1.8.0
langgraph==1.2.22
langgraph-checkpoint==4.3.2
langgraph-prebuilt==1.1.2
langgraph-checkpoint-sqlite==3.1.3
deepagents==0.7.38
langsmith==0.14.17
fastmcp==4.2.0
mcp==2.3.0
langchain-text-splitters==1.1.3
langchain-openai==1.8.0
langchain-anthropic==1.7.10
langchain-ollama==1.1.0
…چهارده خط اول پس از نسخه Python. پینهای بازگشتی (transitive) حذف شدهاند.
پکیج deepagents نسخهی 0.7.38 به langchain-anthropic و langchain-google-genai نیاز دارد. مدل پیشفرضِ منسوخشدهی آن Claude است {{code libs/deepagents/deepagents/graph.py}}. بنابراین فقط زمانی نصبش کنید که واقعاً میخواهید از آن استفاده کنید.
برای ساخت ایجنتی با یک مدل OpenAI، نصب روی نسخههای پینشده به این ترتیب خواهد بود:
python3.13 -m venv .venv
.venv/bin/pip install "langchain==1.5.0" "langchain-core==1.8.0" "langgraph==1.2.22" "langchain-openai==1.8.0"
.venv/bin/pip freeze > requirements.lock
سپس در همهی سیستمهای دیگر هم بستهها را از روی requirements.lock نصب کنید تا همهجا نسخههای کاملاً یکسانی مستقر شوند.
حجم نصب و زمان import
ما اندازهگیری کردیم: دو نصب کاملاً تازه را روی سیستمعامل مک با قیدهای یکسان از فایل قفل، و پیش از آنکه با اجرای پکیجی بایتکد تولید شود، سنجیدیم. پکیج openai بهتنهایی 14 پکیج با حجم کلی 26,356 کیلوبایت نصب کرد. در حالی که langchain به همراه langchain-openai، تعداد 44 پکیج با حجم 54,312 کیلوبایت نصب کرد.
ما زمان import را اندازهگیری کردیم: روی مک، 10 بار اجرای هر فرایند import را در یک فرایند (process) مستقل سنجیدیم. شکل هر اجرا را نشان میدهد. وقتی بایتکد از قبل آماده بود، میانهی زمان اجرای import openai برابر با 0.329 ثانیه شد و زمان import برای create_agent به همراه ChatOpenAI به 0.831 ثانیه رسید. اما بدون وجود بایتکد، این زمانها به ترتیب 1.064 ثانیه و 2.64 ثانیه بودند. لپتاپ مک مورد استفاده اشتراکی بوده است، بنابراین این ارقام را به چشم حد بالا (upper bound) ببینید.
زمان import معادل 2.6 ثانیه در یک تابع سرورلس (serverless) یا در یک ابزار خط فرمان (CLI) که با هر فراخوانی از نو آغاز به کار میکند، تفاوت بزرگی ایجاد میکند. پکیجها را فقط یک بار در زمان راهاندازی (start-up) فراخوانی کنید و فایلهای بایتکد را داخل ایمیج نگه دارید.
منابع: capture/out/00-versions.txt، capture/requirements.txt؛ capture/lab/summary/install-size-mac.json، capture/lab/summary/import-times-mac.json، capture/lab/T01-overhead-mac/07-install-size.txt، capture/lab/T01-overhead-mac/06-import-times.jsonl؛ سایت docs.langchain.com در commit شمارهی 04d4d4a مستندات (مسیرهای oss/python/langchain/install، oss/python/releases/changelog، oss/python/release-policy)؛ فایلهای libs/langchain_v1/pyproject.toml، libs/partners/openai/pyproject.toml و libs/langchain/langchain_classic در langchain==1.5.0؛ libs/deepagents/deepagents/graph.py در deepagents==0.7.38؛ دیتای JSON پکیجها در PyPI و فایلهای README بایگانیشدهی langchain-community، langchain-mcp-adapters و langsmith-sdk، خواندهشده در 2026-11-14.