Mastering LangGraph Agent Skill MCP — ユースケース, インストール & ライブデモ

なぜ使うのか

主な機能

9 つの詳細なリファレンスガイド (コア API、ReAct、分岐、永続性、HITL、マルチエージェント、デプロイ、デバッグ、イントロ)
シングルエージェントからマルチエージェント、実稼働環境にわたる 8 つの標準パターン
権威ある詳細を調べるための公式 LangGraph ドキュメントへの 150 以上のリンク
グローバルまたはプロジェクトごとのスコープで Skillz 経由でインストール可能
エージェントスキル標準 — クロードのみではなく、14 人以上のコーディングエージェントで動作します

ライブデモ

実際の動作

mastering-langgraph-skill.replay ▶ 準備完了

0/0

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "mastering-langgraph-skill",
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ]
    }
  ]
}

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json

{
  "context_servers": {
    "mastering-langgraph-skill": {
      "command": {
        "path": "pip",
        "args": [
          "install",
          "skilz",
          "&&",
          "skilz",
          "install",
          "-g",
          "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

claude mcp add mastering-langgraph-skill -- pip install skilz && skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方： Mastering LangGraph Agent Skill

チェックポイントツールを使用してツールを使用する ReAct エージェントをスキャフォールディングする

👤 新しい LangGraph プロジェクトを開始する Python 開発者 ⏱ ~45 min intermediate

使うタイミング： 出発点として、別の空のノートブックではなく、機能するツールループエージェントが必要です。

前提条件

Python 3.10+ と pip — pyenv またはシステム Python
LangGraph + LangChain コア — pip インストール langgraph langchain-core

フロー

スキルをインストールする

pip install skillz && skillz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill✓ コピーしました

→ スキルは ~/.claude/skills/ に表示されます
ReAct スキャフォールドを求める

2 つのツール (検索 + 計算機) と MemorySaver チェックポイント作成ツールを使用して ReAct エージェントを足場にします。✓ コピーしました

→ グラフ、ツール、およびチェックポイントを接続した実行可能なコード
走ってステップスルー

thread_id='thread-1' で実行し、各ステップの状態を表示します。✓ コピーしました

→ ステップごとの状態スナップショットにより、ループが機能していることを確認します

結果： ゼロから開始するのではなく、拡張できる実行中のエージェント。

注意点

運用環境での InMemorySaver の使用 — 出荷前に Postgres チェックポイント作成ツールに切り替えます。ガイドはスワップをカバーしています

組み合わせ： fastmcp

条件付きルーティングを使用してマルチステップのパイプラインを構築する

👤 バックエンドエンジニアがアドホックチェーンを型付きグラフに置き換える ⏱ ~60 min intermediate

使うタイミング： ワークフローには分岐 (分類 → ルート → 専門化 → ファイナライズ) があり、明示的な状態が必要です。

フロー

分岐について説明する

LangGraph の草案を作成します: 意図を分類 → サマライザーまたは Q&A に転送 → 引用で仕上げます。✓ コピーしました

→ グラフ図とコード。明示的な条件付きエッジ
チェックポイント設定の追加

チェックポイント記述子を追加して、フローの途中で作業を再開できるようにします。✓ コピーしました

→ 呼び出し間で状態が維持される

結果： テスト可能で再開可能な型付きパイプライン。

注意点

すべてのノードを LLM 呼び出しとして扱う — LLM 以外の純粋な Python ノードは、多くの場合、より明確で安価です。

組み合わせ： langsmith-fetch-skill

危険な行為をする前に人間の承認を得るため一時停止する

👤 実稼働システムに対してエージェントを実行するチーム ⏱ ~30 min intermediate

使うタイミング： エージェントはお金を費やすか、誰かにメールを送信するか、状態を変更しようとしています。人間によるチェックポイントが必要です。

フロー

割り込みノードを追加する

「send_email」ノードの前に人間の承認割り込みを挿入します。再開する方法を示します。✓ コピーしました

→ 配線前の中断 + クリア再開 API
承認パスと拒否パスをテストする

承認フローと拒否フローの両方をテストするスクリプトを作成します。✓ コピーしました

→ 2 つのパスがきれいに実行される

結果： 危険な一歩を踏み出すのは人間です。承認されたアクションは最後まで実行されます。

注意点

割り込み全体で状態を保持することを忘れる — 割り込みにはチェックポイント記述子が必要です。それがなければ一時停止は無駄です

組み合わせ： linear

スーパーバイザーまたはスウォームのマルチエージェント設定を設計する

👤 マルチエージェントパターンを評価するアーキテクト ⏱ ~90 min advanced

使うタイミング： 単一のエージェントが混乱しているか、大きすぎます。オーケストレーションパターンを検討しているとします。

フロー

トレードオフを確認する

研究者 + プログラマー + レビュー担当者チームのスーパーバイザーとスウォームを比較します。✓ コピーしました

→ 明確な長所/短所。それぞれをいつ選択するか
選んで足場を立てる

選択したパターンを 3 つのエージェントで足場にします。✓ コピーしました

→ ルーティング/ハンドオフロジックを備えた実行可能なコード

結果： コードを実行するマルチエージェントパターンの原則的な選択。

注意点

単一エージェントがデバッグされる前にマルチエージェントを導入する — シングルエージェントを開始します。具体的な限界に達した場合にのみ分割する

組み合わせ： server-mas-sequential-thinking

LangGraph をラップトップから運用環境に移行する

👤 エンジニア配送代理店の特徴 ⏱ ~60 min advanced

使うタイミング： 機能するグラフがあり、実際の展開計画が必要です。

フロー

デプロイ先を選択します

Docker + LangGraph プラットフォームと自己ホスト型を比較します。少人数のチームにお勧めします。✓ コピーしました

→ コストと運用のトレードオフを考慮した具体的な推奨事項
ワイヤートレース

プロジェクトのスコープを指定した LangSmith トレースを追加します。✓ コピーしました

→ 適切なプロジェクト名で LangSmith にトレースが表示される

結果： プラットフォームチームに示すことができるデプロイパス。

組み合わせ： cloud-run

組み合わせ

他のMCPと組み合わせて10倍の力を

mastering-langgraph-skill + fastmcp

他のエージェントが使用できるように、LangGraph を MCP サーバーとしてラップします。

fastmcp を介して現在のグラフを MCP ツールとして公開します。✓ コピーしました

mastering-langgraph-skill + langsmith-fetch-skill

デバッグ用にトレースを取得し、会話にフィードバックします。

プロジェクト 'prod-agent' の最新 10 件のトレースと表面障害パターンを取得します。✓ コピーしました

mastering-langgraph-skill + server-mas-sequential-thinking

マルチエージェントの逐次的思考パターンと LangGraph オーケストレーションを組み合わせる

スーパーバイザグラフを逐次思考型 MAS パターンにマッピングします。✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング	コスト
skill: mastering-langgraph	natural-language LangGraph questions and tasks	LangGraph を構築またはデバッグしているときは常に	0

コストと制限

運用コスト

APIクォータ: スキルに関しては何もありません。 LLM プロバイダーは基礎となる通話に対して料金を請求します
呼び出しあたりのトークン: スキルがロードするセクションによって異なります - 質問が狭い場合は、質問を小さくします
金額: フリースキル; プロバイダーのコスト (OpenAI/Anthropic など) が適用されます
ヒント: 「LangGraph で <X> を行うにはどうすればよいか」という対象を絞った質問をしてください。広範な「Teach me LangGraph」には膨大な参照セクションが含まれています。

セキュリティ

権限、シークレット、影響範囲

認証情報の保管： スキルには何もありません。独自の LLM とツールの資格情報は環境/シークレットマネージャーに保存されます。

データ送信先： スキルの内容はローカルです。すべての出力は、実行したコード (ツール呼び出し、LangSmith) から発生します。

LangGraph API は急速に進化します。出荷前に、スキルのサンプルを現在の LangGraph リリースと照合してください。

トラブルシューティング

よくあるエラーと対処法

Skillz のインストールが「リポジトリが見つかりません」で失敗する

マーケットプレイスが構成されていない場合は、SkillzWave のショートパスではなく、完全な GitHub URL を指定して -g フラグを使用します。

確認： pip show skilz && skilz list -g

グラフコードはローカルで実行されるが、デプロイ時に中断される

通常はチェックポイント作成者を選択します。InMemorySaver は再起動すると無効になります。デプロイセクションごとに Postgres または Redis に切り替えます。

確認： Inspect the checkpointer type in your code

LangSmith のトレースが見つからない

グラフを呼び出す前に LANGSMITH_API_KEY と LANGCHAIN_PROJECT を設定します。

確認： echo $LANGSMITH_API_KEY | head -c 5

代替案

Mastering LangGraph Agent Skill 他との比較

代替案	代わりに使う場面	トレードオフ
mcp-agent	LangGraph ではなく MCP ネイティブのエージェントパターンが必要な場合	異なるフレームワーク、異なるエコシステム
server-mas-sequential-thinking	準備が整ったマルチエージェント逐次思考サーバーが必要な場合	LangGraph で構築するよりも柔軟性が低い
agent-langchainjs	Python ではなく JS/TS を使用しています	ターゲット言語が異なる

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る