Belajar LangChain - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar LangChain! Selama 23 episode ke depan, kita akan membongkar LangChain — framework open-source paling populer untuk membangun aplikasi berbasis Large Language Model (LLM) dan AI agent — mulai dari konsep dasar, LCEL, RAG, agent dengan LangGraph, hingga deployment yang siap produksi.

Episode 0 ini murni fondasi. Tujuannya satu: memastikan lingkungan kalian siap sebelum berpraktik. Kita akan memastikan Python terpasang, memahami sekilas cara kerja LLM, menyiapkan environment virtual, memasang paket LangChain, dan memverifikasi semuanya berjalan. Materi teknis yang sesungguhnya dimulai di episode 1.

#Skill Dasar yang Wajib Dimiliki

#Python 3.10+ dan Manajemen Environment

Seluruh contoh di series ini ditulis dalam Python. Versi minimum yang disarankan adalah Python 3.10 ke atas — kode kita akan memakai type hint modern, dataclass, dan sintaks yang butuh versi tersebut. Cek versi Python yang sudah terpasang:

python --version

Jika keluarannya menunjukkan Python 3.10.x atau lebih tinggi, kalian sudah siap. Jika masih di bawah, instal dulu versi terbaru. Untuk mengelola beberapa versi Python antar proyek, gunakan pyenv atau uv — dua-duanya memudahkan mengunci versi interpreter per proyek, jadi rekan kerja dan CI kalian tidak akan bingung.

Selain interpreter, kalian perlu terbiasa dengan environment virtual. Konsepnya sederhana: setiap proyek punya ruang paket Python sendiri, sehingga dependency tidak saling bertabrakan. Di era modern, uv menjadi pilihan banyak developer karena sangat cepat, tapi venv bawaan Python tetap cara paling netral dan pasti ada di mana-mana.

#Pemahaman Dasar LLM: Token, Temperature, dan Prompt

LangChain adalah framework di atas LLM, jadi kalian wajib paham sedikit cara kerja "mesin" di baliknya. Empat konsep minimal:

Jangan khawatir jika masih awam — episode 4 akan membahas prompt secara mendalam. Yang penting di sini kalian paham bahwa sebuah aplikasi LangChain pada dasarnya adalah "rangkaian operasi" yang menerima input, menyusun prompt, memanggil model, lalu memproses jawabannya.

#Perangkat Software dan Tools

#Python Environment, Instalasi Paket, dan API Key

Buat direktori proyek dan environment virtual:

mkdir -p ~/belajar-langchain && cd ~/belajar-langchain
python -m venv .venv
source .venv/bin/activate

uv init --python 3.12
uv venv
source .venv/bin/activate

python -m venv .venv
.venv\Scripts\Activate.ps1

Selanjutnya install paket inti. Di v1.x, arsitekturnya modular: langchain-core adalah jantungnya, sementara integrasi ke penyedia model hidup di paket terpisah:

pip install langchain langchain-openai

Keduanya menarik langchain-core sebagai dependency, jadi setelah perintah di atas selesai, kalian sudah punya primitif inti sekaligus dukungan model OpenAI. Untuk pemakaian murni tanpa integrasi provider (misalnya hanya untuk latihan konsep), cukup pip install langchain-core.

Lalu siapkan akun penyedia model. Buat akun di platform OpenAI atau Anthropic, ambil API key, dan simpan di file .env di akar proyek:

OPENAI_API_KEY=sk-isi-dengan-kunci-kalian
ANTHROPIC_API_KEY=sk-ant-isi-dengan-kunci-kalian
LANGCHAIN_TRACING_V2=true
LANGCHAIN_API_KEY=lsv2-isi-dengan-kunci-kalian

Pastikan file .env masuk ke .gitignore agar kunci tidak bocor ke repositori. Akan kita muat lewat python-dotenv di episode 3.

#LangSmith untuk Tracing (Opsional)

LangSmith adalah platform observability milik ekosistem LangChain. Ia otomatis mencatat setiap trace — prompt yang dikirim, response model, token usage — sehingga debugging aplikasi agent jadi jauh lebih mudah. Tidak wajib untuk belajar, tapi sangat disarankan karena akan dipakai intensif di episode-episode lanjutan (terutama observability dan evaluasi).

pip install langsmith

#Verifikasi Setup

Sebelum lanjut, pastikan empat hal berikut berfungsi:

• python --version mengeluarkan 3.10 atau lebih tinggi.
• pip show langchain dan pip show langchain-openai menampilkan metadata paket tanpa error.
• File .env berisi minimal OPENAI_API_KEY.
• Verifikasi impor paket berjalan mulus:

Verifikasi instalasi LangChain

import langchain
import langchain_core
import langchain_openai
 
print("langchain:", langchain.__version__)
print("langchain-core:", langchain_core.__version__)

langchain: 1.3.14
langchain-core: 1.5.3

Jika output seperti di atas muncul tanpa traceback, environment kalian resmi siap untuk series ini.

#Penutup

Episode 0 selesai. Kalian sudah menyiapkan pijakan untuk seluruh series: memahami skill dasar Python dan konsep LLM (token, temperature, prompt, API key), membuat environment virtual, menginstal langchain dan langchain-openai, menyiapkan akun penyedia model, serta memverifikasi bahwa semuanya berjalan.

Inti yang harus dibawa pulang:

• Python 3.10+ wajib; kelola environment per proyek dengan venv atau uv.
• Pahami token, temperature, system/user prompt, dan API key sebagai fondasi kerja LLM.
• Instal langchain dan langchain-openai; gunakan langchain-core saja jika hanya butuh primitif inti.
• Simpan API key di file .env yang diabaikan git, jangan pernah di-hardcode.
• LangSmith opsional tapi berguna untuk tracing sejak awal.

Di episode 1 berikutnya kita akan membahas sejarah, latar belakang, dan mengapa dunia membutuhkan LangChain — mulai dari lahirnya di 2022 oleh Harrison Chase, evolusi 0.x menuju v1.0 di 2025, hingga bagaimana LangChain menjelma menjadi platform rekayasa agent lengkap dengan LangGraph, LangSmith, dan LangServe. Sampai jumpa!