LangGraph

LangGraph Logo

LangGraph 深受 Klarna、Replit、Elastic 等塑造智能体未来的公司的信赖，它是一个用于构建、管理和部署长期运行、有状态智能体的底层编排框架。

开始使用¶

安装 LangGraph

pip install -U langgraph

然后，使用预构建组件创建一个智能体

^{API 参考：create_react_agent}

# pip install -qU "langchain[anthropic]" to call the model

from langgraph.prebuilt import create_react_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_weather],
    prompt="You are a helpful assistant"
)

# Run the agent
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)

更多信息，请参阅快速入门。或者，要学习如何使用可自定义的架构、长期记忆和其他复杂任务处理功能来构建智能体工作流，请参阅 LangGraph 基础教程。

核心优势¶

LangGraph 为任何长期运行、有状态的工作流或智能体提供底层支持基础设施。LangGraph 不会抽象提示或架构，并提供以下核心优势

持久执行：构建能够经受住故障并能长时间运行的智能体，能从中断处自动恢复。
人机协同：在执行过程中的任何时刻，通过检查和修改智能体状态，无缝地引入人类监督。
全面记忆：创建真正有状态的智能体，既有用于持续推理的短期工作记忆，也有跨会话的长期持久记忆。
使用 LangSmith 调试：通过可视化工具深入了解复杂的智能体行为，这些工具可以追踪执行路径、捕获状态转换并提供详细的运行时指标。
生产级部署：使用专为处理有状态、长期运行工作流的独特挑战而设计的可扩展基础设施，自信地部署复杂的智能体系统。

LangGraph 的生态系统¶

LangGraph 既可独立使用，也可与任何 LangChain 产品无缝集成，为开发人员提供一套完整的工具来构建代理。为了改进您的 LLM 应用程序开发，请将 LangGraph 与以下产品结合使用：

LangSmith — 有助于代理评估和可观察性。调试性能不佳的 LLM 应用程序运行，评估代理轨迹，在生产中获得可见性，并随着时间的推移提高性能。
LangGraph 平台 — 使用专为长期运行、有状态工作流打造的部署平台，轻松部署和扩展智能体。在团队之间发现、复用、配置和共享智能体 — 并在 LangGraph Studio 中通过可视化原型设计快速迭代。
LangChain – 提供集成和可组合的组件，以简化 LLM 应用程序的开发。

注意

在寻找 LangGraph 的 JS 版本？请参阅 JS 仓库和 JS 文档。

致谢¶

LangGraph 的灵感来自 Pregel 和 Apache Beam。其公共接口借鉴了 NetworkX。LangGraph 由 LangChain 的创建者 LangChain Inc 构建，但可以独立于 LangChain 使用。

LangGraph

开始使用¶

核心优势¶

LangGraph 的生态系统¶

更多资源¶

致谢¶