Gemini・LangChainで複数エージェントと文書RAGを作る

Gemini・LangChainで複数エージェントと文書RAGを作る｜KGP Talkie / Laxmi Kant

金融文書を題材に、画像・表を含む検索と複数エージェントの調査処理を実装する。

DoclingでPDFを整理し、画像の説明生成、Qdrantの検索、再ランキングへ進む。Geminiのツール呼び出し、SQLiteの記憶、MCP、計画・調査・編集の役割分担を扱う。

原題：Deep Agent - Multi Agent RAG with Gemini and Langchain

学習・文書検索：表・画像・ページ情報を抽出し、Qdrantで検索と再ランキングを組み合わせる。／確認 2026-09-15／https://www.udemy.com/course/deep-agent/

学習・エージェント管理：呼び出し回数の上限、短期記憶、個人情報のマスキング、構造化出力を学ぶ。／確認 2026-09-15／https://www.udemy.com/course/deep-agent/

学習・協調処理：計画・調査・編集のエージェントとMCPの外部ツール接続を扱う。／確認 2026-09-15／https://www.udemy.com/course/deep-agent/

対象：PythonでRAGやエージェントを開発する担当者。形式：オンデマンド動画講座（公開シラバスを確認）。言語：英語（日本語字幕の対応は未確認）。利用条件：一部講義にプレビューの案内あり。全講座の受講条件・現在価格はUdemyで確認。

確認事項（編集部）：要件欄のPython基礎に加え、説明冒頭ではLangChainとLangGraphを先に学ぶよう推奨している。APIやDocker環境を準備し、金融分析の例を投資判断の検証済み手法とは見なさない。

出典：KGP Talkie / Laxmi Kant / Udemy「Deep Agent - Multi Agent RAG with Gemini and Langchain — 講師公開の講座概要・シラバス」／公開・更新日：ページで特定せず／確認日：2026-09-15／https://www.udemy.com/course/deep-agent/

Gemini・LangChainで複数エージェントと文書RAGを作る

関連ページ