【図解で比較】LangChain vs LlamaIndex — RAGフレームワークはどっちを選ぶ？

いい質問だね。どちらもRAGを構築できるPythonフレームワークだけど、設計思想がまったく違うんだよ。LangChainは「LLMを使ったアプリケーションを汎用的に作るためのフレームワーク」で、LlamaIndexは「データとLLMをつなぐことに特化したフレームワーク」なんだ。

LangChainは「チェーン」という仕組みで、プロンプト作成→LLM呼び出し→結果の加工→次のステップ、みたいに処理を自由につなげられるんだ。RAGだけじゃなくて、チャットボットや要約ツール、コード生成など何でも作れる万能型だね。一方のLlamaIndexは、ドキュメントの読み込み・チャンク分割・インデックス作成・検索・回答生成というRAGのパイプラインを最短ルートで構築できるように設計されているんだよ。

そのとおり。LlamaIndexなら、PDFやWebページを読み込んでベクトルインデックスを作って検索付き回答を返す、という基本的なRAGが数行のコードで完成するよ。LangChainでも同じことはできるけど、Retriever・Chain・Promptなど複数のコンポーネントを組み合わせる必要があるから、コード量は多めになるね。

エージェント機能はLangChainが圧倒的に強いよ。LangChainにはLangGraphという専用ライブラリがあって、ステートマシンベースで複雑なマルチエージェントワークフローを構築できるんだ。ツール呼び出し、条件分岐、ループ、人間の承認ステップなども柔軟に組めるよ。LlamaIndexにもエージェント機能はあるけど、データ検索を中心としたエージェントが得意で、汎用的なワークフロー構築はLangChainほど成熟していないんだ。

どちらもOpenAI、Anthropic、Google、Mistral、ローカルLLMなど主要なモデルにはほぼ対応しているよ。ベクトルDBも、Pinecone、Weaviate、Chroma、Qdrant、pgvectorなど主要どころはどちらもサポートしている。ただ、LlamaIndexはデータコネクタが非常に豊富で、Notion、Slack、Google Drive、データベースなど150種類以上のデータソースから直接読み込める「LlamaHub」というエコシステムがあるのが強みだね。

LangChainは機能が多い分、概念も多くて学習コストは高めだね。LCEL（LangChain Expression Language）やLangGraph、LangSmithなどエコシステムが広がっていて、全体像を把握するのに時間がかかるよ。LlamaIndexは「データをインデックス化して検索する」というコア概念がシンプルだから、RAGを作るだけなら比較的すぐに始められるんだ。

どちらもGitHubスターは4万以上あって、活発なコミュニティがあるよ。LangChainはドキュメントの量が膨大だけど、バージョンアップで破壊的変更が多かった歴史があるんだ。ただし2025年10月にLangChain 1.0が正式リリースされてAPIが安定し、新規プロジェクトではLangGraphが推奨アプローチになったよ。LlamaIndexもv1.2.0に進化して、LlamaCloudというエンタープライズ向け商用プラットフォームも登場しているんだ。

まとめるとこうだね。「RAGを手軽に作りたい」「データ検索が中心」ならLlamaIndex。「エージェントやワークフローも含めた複雑なLLMアプリを作りたい」「柔軟にカスタマイズしたい」ならLangChain。実は2026年現在、両方を組み合わせて使うプロジェクトも増えていて、LlamaIndexでインデックスを作り、LangChainのエージェントから呼び出すという構成もよくあるパターンだよ。フレームワークは道具だから、自分の目的に合ったほうを選ぶのが一番大事だね。