上下文¶

代理通常需要除消息列表之外的更多信息才能有效运行。它们需要上下文。

上下文包括消息列表之外的任何数据，这些数据可以影响代理行为或工具执行。这可以是：

运行时传入的信息，如 `user_id` 或 API 凭据。
多步推理过程中更新的内部状态。
来自先前交互的持久记忆或事实。

LangGraph 提供了三种提供上下文的主要方式：

类型	描述	可变？	生命周期
配置	在运行开始时传入的数据	❌	每次运行
状态	执行期间可更改的动态数据	✅	每次运行或对话
长期记忆 (存储)	可在对话之间共享的数据	✅	跨对话

您可以使用上下文来：

调整模型看到的系统提示
为工具提供必要的输入
在正在进行的对话中跟踪事实

提供运行时上下文¶

当您需要在运行时向代理注入数据时使用此功能。

配置 (静态上下文)¶

配置适用于不可变数据，如用户元数据或 API 密钥。当您有在运行期间不会更改的值时使用。

使用保留用于此目的的键 "configurable" 指定配置

agent.invoke(
    {"messages": [{"role": "user", "content": "hi!"}]},
    config={"configurable": {"user_id": "user_123"}}
)

状态 (可变上下文)¶

状态在运行期间充当短期记忆。它保存可在执行期间演变的动态数据，例如从工具或 LLM 输出派生的值。

class CustomState(AgentState):
    user_name: str

agent = create_react_agent(
    # Other agent parameters...
    state_schema=CustomState,
)

agent.invoke({
    "messages": "hi!",
    "user_name": "Jane"
})

开启记忆功能

请参阅记忆指南，了解如何启用记忆功能的更多详细信息。这是一个强大的功能，允许您在多次调用中持久化代理的状态。否则，状态仅限于单个代理运行。

长期记忆 (跨对话上下文)¶

对于跨对话或会话的上下文，LangGraph 允许通过 `store` 访问长期记忆。这可用于读取或更新持久事实（例如，用户配置文件、偏好、先前交互）。更多信息请参阅记忆指南。

使用上下文自定义提示¶

提示定义了代理的行为方式。要结合运行时上下文，您可以根据代理的状态或配置动态生成提示。

常见用例

个性化
角色或目标定制
条件行为（例如，用户是管理员）

使用配置使用状态

from langchain_core.messages import AnyMessage
from langchain_core.runnables import RunnableConfig
from langgraph.prebuilt import create_react_agent
from langgraph.prebuilt.chat_agent_executor import AgentState

def prompt(
    state: AgentState,
    config: RunnableConfig,
) -> list[AnyMessage]:
    user_name = config["configurable"].get("user_name")
    system_msg = f"You are a helpful assistant. User's name is {user_name}"
    return [{"role": "system", "content": system_msg}] + state["messages"]

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

agent.invoke(
    ...,
    config={"configurable": {"user_name": "John Smith"}}
)

from langchain_core.messages import AnyMessage
from langchain_core.runnables import RunnableConfig
from langgraph.prebuilt import create_react_agent
from langgraph.prebuilt.chat_agent_executor import AgentState

class CustomState(AgentState):
    user_name: str

def prompt(
    state: CustomState
) -> list[AnyMessage]:
    user_name = state["user_name"]
    system_msg = f"You are a helpful assistant. User's name is {user_name}"
    return [{"role": "system", "content": system_msg}] + state["messages"]

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[...],
    state_schema=CustomState,
    prompt=prompt
)

agent.invoke({
    "messages": "hi!",
    "user_name": "John Smith"
})

在工具中访问上下文¶

工具可以通过特殊参数注解访问上下文。

使用 `RunnableConfig` 访问配置
使用 `Annotated[StateSchema, InjectedState]` 访问代理状态

提示

这些注解可以防止 LLM 尝试填充这些值。这些参数将对 LLM 隐藏。

使用配置使用状态

def get_user_info(
    config: RunnableConfig,
) -> str:
    """Look up user info."""
    user_id = config["configurable"].get("user_id")
    return "User is John Smith" if user_id == "user_123" else "Unknown user"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_user_info],
)

agent.invoke(
    {"messages": [{"role": "user", "content": "look up user information"}]},
    config={"configurable": {"user_id": "user_123"}}
)

from typing import Annotated
from langgraph.prebuilt import InjectedState

class CustomState(AgentState):
    user_id: str

def get_user_info(
    state: Annotated[CustomState, InjectedState]
) -> str:
    """Look up user info."""
    user_id = state["user_id"]
    return "User is John Smith" if user_id == "user_123" else "Unknown user"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_user_info],
    state_schema=CustomState,
)

agent.invoke({
    "messages": "look up user information",
    "user_id": "user_123"
})

从工具更新上下文¶

工具可以在执行期间更新代理的上下文（状态和长期记忆）。这对于持久化中间结果或使信息可供后续工具或提示访问非常有用。更多信息请参阅记忆指南。