Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Fast-LangGraph

Remplaçants en Rust des chemins critiques de LangGraph pour les checkpoints et la fusion d'état, activés par un patch d'une ligne ou utilisés directement.

Avis de Sheela · Mis à jour

Voir sur GitHub Open source

Notre note

3.0/5

Une vraie idée, avec des chiffres vedettes mesurés contre la mauvaise référence, maintenue par deux personnes et installée par presque personne.

Qu’est-ce que Fast-LangGraph ?

Fast-LangGraph réimplémente des parties de LangGraph en Rust et les expose à Python. Un mode patche LangGraph au démarrage, via une variable d'environnement ou un appel de fonction, pour réutiliser un pool de threads et appliquer en Rust les écritures dans les canaux. L'autre mode est explicite : un checkpointer SQLite adossé à Rust, une fonction rapide de fusion d'état, un décorateur de cache pour les réponses de LLM et un profileur.

Il est édité par Neul Labs, qui publie des accélérateurs similaires pour LiteLLM, CrewAI et Axolotl. Le paquet est sur PyPI et crates.io, demande Python 3.9 ou plus récent et est sous licence MIT. C'est un complément, pas un fork : vos graphes, nœuds et arêtes restent du LangGraph ordinaire.

Fast-LangGraph vaut-il le coup ?

Le chiffre de 700x de Fast-LangGraph mérite une lecture attentive avant d'orienter une décision. Dans le BENCHMARK.md du projet, le résultat de 737x compare la sérialisation en Rust d'un état de 235.5KB avec le deepcopy de Python, et non avec les checkpointers de LangGraph. Le chiffre de bout en bout est plus modeste : un graphe simulé de 20 nœuds sur 50 itérations a tourné 2.77x plus vite. Le même fichier montre le canal LastValue en Rust à 317 ns par mise à jour contre 51 ns en Python, soit environ six fois plus lent, ce que le README reconnaît en disant que les opérations simples sur les dict sont déjà rapides en Python.

Il reste un cas étroit mais réel. Les agents qui portent un état volumineux et enregistrent un checkpoint à chaque étape passent un temps réel à le copier, et le patch automatique est peu risqué à essayer : définissez FAST_LANGGRAPH_AUTO_PATCH=1 et mesurez. Le décorateur @cached est une simple mémoïsation en mémoire pour des prompts identiques, qu'un système de production obtient d'ordinaire d'un cache partagé ou du prompt caching du fournisseur.

L'adoption est le souci principal. Le dépôt compte 27 étoiles, deux contributeurs et aucun fork, et PyPI a recensé 59 téléchargements le mois dernier. La dernière version, v0.1.15, date du 6 mai 2026, et les commits les plus récents, en juillet, portaient sur la documentation ; cinq pull requests Dependabot, dont une mise à jour de langgraph-checkpoint vers 4.1.1, attendent toujours d'être fusionnées. Un monkey-patch sur un framework qui publie aussi souvent que LangGraph exige quelqu'un qui suive chaque version.

Mieux vaut le traiter comme une aide au profilage et une source d'idées que comme une dépendance : lancez son GraphProfiler et, si la copie des checkpoints domine vraiment, un checkpointer Postgres ou un schéma d'état plus léger peut apporter l'essentiel du gain sans extension Rust dans la pile.

Là où il fait la différence

  • Un ingénieur backend avec un agent de recherche LangGraph et 200KB d'état

    Comprendre pourquoi chaque étape est lente avant de réécrire quoi que ce soit

    Enveloppez une exécution dans GraphProfiler.profile_run() et affichez le rapport ; si le checkpointing domine, essayez RustSQLiteCheckpointer dans une branche. Cela ne coûte qu'un après-midi.

  • Une responsable d'équipe qui évalue des compléments de framework pour un agent en production

    Décider si un patch tiers peut être livré sans risque

    Figez la version de LangGraph, activez FAST_LANGGRAPH_AUTO_PATCH=1 en préproduction et comparez la latence avec et sans ; la file Dependabot en attente est le signal à surveiller avant de mettre à jour LangGraph.

Avant de vous engager

Mise en route
pip install fast-langgraph ou uv add fast-langgraph, puis la variable d'environnement ou fast_langgraph.shim.patch_langgraph() au démarrage ; les wheels précompilés évitent d'installer la chaîne d'outils Rust.
Intégrations
LangGraph uniquement, pour Python 3.9+ ; un crate Rust est publié pour un usage direct. Neul Labs fait des paquets frères pour LiteLLM, CrewAI et Axolotl.
Données et confidentialité
S'exécute dans le processus ; le checkpointer SQLite écrit dans un fichier local que vous nommez. Licence MIT, aucun service associé.
Limites
Deux contributeurs ; cinq pull requests de dépendances non fusionnées ; les gains dépendent de la taille de l'état et tombent à environ 2.8x pour des graphes typiques selon l'estimation du README lui-même.

Les points forts

  • Une variable d'environnement active le patch automatique
  • Dans ses benchmarks, la sérialisation de gros états est bien plus rapide que deepcopy
  • Le profileur intégré aide à voir où un graphe passe son temps
  • Licence MIT, sur PyPI et crates.io

Les points faibles

  • Les gains vedettes sont mesurés contre deepcopy, pas contre les checkpointers de LangGraph
  • Son propre benchmark montre certaines opérations de canal plus lentes qu'en Python
  • 27 étoiles, deux contributeurs et 59 téléchargements en un mois
  • Le monkey-patching risque de casser avec les nouvelles versions de LangGraph

Idéal pour

Les équipes LangGraph qui ont un état volumineux et souvent sauvegardé, et veulent mesurer si la sérialisation est leur goulot d'étranglement.

Alternatives à Fast-LangGraph

Fast-LangGraph : questions fréquentes

Fast-LangGraph vaut-il le coup ?
Une vraie idée, avec des chiffres vedettes mesurés contre la mauvaise référence, maintenue par deux personnes et installée par presque personne. Nous lui donnons 3.0 sur 5.
Combien coûte Fast-LangGraph ?
Gratuit et open source sous licence MIT.
Quels sont les inconvénients de Fast-LangGraph ?
Les gains vedettes sont mesurés contre deepcopy, pas contre les checkpointers de LangGraph; son propre benchmark montre certaines opérations de canal plus lentes qu'en Python; 27 étoiles, deux contributeurs et 59 téléchargements en un mois; le monkey-patching risque de casser avec les nouvelles versions de LangGraph.
À qui s’adresse Fast-LangGraph ?
Les équipes LangGraph qui ont un état volumineux et souvent sauvegardé, et veulent mesurer si la sérialisation est leur goulot d'étranglement.
Fast-LangGraph est-il sûr pour les données de l’entreprise ?
S'exécute dans le processus ; le checkpointer SQLite écrit dans un fichier local que vous nommez. Licence MIT, aucun service associé.
Quelles sont les meilleures alternatives à Fast-LangGraph ?
Les alternatives les plus proches que nous avons testées sont LangGraph.

Réponses vérifiées le 3 nov. 2026.