【要約】LangGraph + Unity で作る「意思を持つ NPC」：SSE によるリアルタイム感情同期の実装ガイド [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者がLLMをゲームのNPCに組み込む際、単なるテキスト表示では没入感が不足するという問題に直面した。また、機能拡張に伴うレイテンシの増大や、APIの制限によるシステムの停止も深刻な課題となった。
- ・テキストベースの対話による、人間味や実在感の欠如。
- ・RAGやMCPの導入に伴う、応答生成までの計算時間の増大。
- ・クラウドLLMのAPI制限やサーバーダウンによる、NPCの無反応状態。
- ・複雑な思考プロセスを表現するための、線形処理の限界。
// Approach
開発者は、LangGraphによる状態管理とSSEを用いた通信基盤により、これらの課題を解決した。
- ・LangGraphを用い、感情分析や知識検索をノードとして定義した。
- ・感情状態（Mood）に基づき、思考ルートを動的に変化させた。
- ・SSEとインバンド信号（
[[ANIM:HAPPY]]等）により、テキストとアニメーションを同期させた。 - ・Gemini、Llama、Ollamaを組み合わせた三重のフォールバック戦略を実装した。
// Result
開発者は、視覚的にも感情が伝わる「意思を持つNPC」を実現した。
- ・感情状態に応じて思考ルートが動的に変化する自律的なロジックを構築した。
- ・ストリーミング通信により、プレイヤーの待機時間を心理的に軽減した。
- ・クラウド障害時でもローカルLLMが代行し、体験の継続を可能にした。
- ・RAGやMCPにより、世界観に忠実でリアリティのある会話を実現した。
Senior Engineer Insight
> 非常に実践的な設計である。特にSSEを用いたインバンド信号による演出同期は、UX向上のための優れたハックだ。また、フォールバックにOllamaを組み込む設計は、可用性とコストのバランスを考慮した高度な判断といえる。ただし、グラフ構造の複雑化はデバッグを困難にする。大規模運用では、ノードごとの実行ログとレイテンシの監視が不可欠となるだろう。