Instalar LangChain
La instalación de LangChain puede realizarse de diferentes maneras según las necesidades específicas de tu proyecto. El ecosistema LangChain está dividido en varios paquetes modulares que permiten instalar únicamente los componentes necesarios, optimizando así el tamaño y las dependencias de tu aplicación.
Instalación básica
La forma más directa de comenzar es instalando el paquete principal de LangChain:
pip install langchain
Esta instalación incluye las funcionalidades core del framework, pero para trabajar con modelos específicos necesitarás instalar integraciones adicionales. Por ejemplo, para usar OpenAI:
pip install langchain-openai
Arquitectura modular del ecosistema
LangChain utiliza una arquitectura modular que separa las funcionalidades en diferentes paquetes:
langchain-core
contiene las abstracciones base y las interfaces fundamentales del framework. Este paquete define los conceptos centrales como Runnable
, BaseLanguageModel
y las estructuras de datos principales.
pip install langchain-core
langchain-community
incluye integraciones de terceros mantenidas por la comunidad. Aquí encontrarás conectores para bases de datos vectoriales menos comunes, APIs específicas y herramientas experimentales.
pip install langchain-community
langchain-experimental
contiene características en desarrollo que aún no están en la versión estable. Estas funcionalidades pueden cambiar sin previo aviso.
pip install langchain-experimental
Integraciones específicas
Para trabajar con proveedores específicos, LangChain ofrece paquetes dedicados que incluyen únicamente las dependencias necesarias:
Para OpenAI y modelos compatibles:
pip install langchain-openai
Para Anthropic (Claude):
pip install langchain-anthropic
Para Google (Gemini, PaLM):
pip install langchain-google-genai
Para Hugging Face:
pip install langchain-huggingface
Instalación recomendada para desarrollo
Para un entorno de desarrollo completo, la instalación recomendada incluye los paquetes esenciales:
pip install langchain langchain-openai langchain-community
Esta combinación proporciona:
- Las funcionalidades principales de LangChain
- Integración con OpenAI (el proveedor más utilizado)
- Acceso a herramientas y conectores adicionales de la comunidad
Otra alternativa es crear un entorno virtual en python y tener un archivo requirements.txt con todas las dependencias de langchain.
Verificación de la instalación
Una vez completada la instalación, puedes verificar que todo funciona correctamente creando un ejemplo básico:
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
# Configurar el modelo (requiere OPENAI_API_KEY en variables de entorno)
llm = ChatOpenAI(model="gpt-4")
# Crear un mensaje simple
message = HumanMessage(content="Hola, ¿cómo estás?")
# Invocar el modelo
response = llm.invoke([message])
print(response.content)
Ejemplo con init_chat_model
que se explicará en las siguientes lecciones:
Gestión de dependencias
Es recomendable usar un entorno virtual para aislar las dependencias de LangChain:
python -m venv langchain_env
source langchain_env/bin/activate # En Windows: langchain_env\Scripts\activate
pip install langchain langchain-openai
Para proyectos en producción, considera usar requirements.txt para especificar versiones exactas:
langchain==0.3.0
langchain-openai==0.2.0
langchain-core==0.3.0
Ejemplo:
Integraciones adicionales disponibles
El ecosistema LangChain incluye más de 100 integraciones con diferentes proveedores y servicios. Algunas de las más utilizadas incluyen:
- Bases de datos vectoriales:
langchain-chroma
,langchain-pinecone
,langchain-weaviate
- Proveedores de embeddings:
langchain-cohere
,langchain-voyageai
- Herramientas específicas:
langchain-wikipedia
,langchain-arxiv
Cada integración se instala por separado según las necesidades del proyecto, manteniendo así un footprint mínimo y evitando conflictos de dependencias innecesarios.
Fuentes y referencias
Documentación oficial y recursos externos para profundizar en LangChain
Documentación oficial de LangChain
Alan Sastre
Ingeniero de Software y formador, CEO en CertiDevs
Ingeniero de software especializado en Full Stack y en Inteligencia Artificial. Como CEO de CertiDevs, LangChain es una de sus áreas de expertise. Con más de 15 años programando, 6K seguidores en LinkedIn y experiencia como formador, Alan se dedica a crear contenido educativo de calidad para desarrolladores de todos los niveles.
Más tutoriales de LangChain
Explora más contenido relacionado con LangChain y continúa aprendiendo con nuestros tutoriales gratuitos.
Aprendizajes de esta lección
- Comprender la arquitectura modular de LangChain y sus diferentes paquetes.
- Aprender a instalar el paquete principal y las integraciones específicas para proveedores como OpenAI o Anthropic.
- Saber cómo configurar un entorno de desarrollo completo con las dependencias esenciales.
- Verificar la correcta instalación mediante un ejemplo básico de uso.
- Gestionar dependencias y entornos virtuales para proyectos con LangChain.