运行智能体

智能体支持同步和异步执行，使用 .invoke() / await .invoke() 获取完整响应，或使用 .stream() / .astream() 获取增量流式输出。本节解释如何提供输入、解释输出、启用流以及控制执行限制。

基本用法

智能体可以在两种主要模式下执行

• 同步，使用 .invoke() 或 .stream()
• 异步，使用 await .invoke() 或 async for 搭配 .astream()

同步调用异步调用

from langgraph.prebuilt import create_react_agent

agent = create_react_agent(...)

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

from langgraph.prebuilt import create_react_agent

agent = create_react_agent(...)
response = await agent.ainvoke({"messages": [{"role": "user", "content": "what is the weather in sf"}]})

输入和输出

智能体使用期望输入为一个消息列表的语言模型。因此，智能体的输入和输出都存储在智能体状态中messages键下的一个消息列表中。

输入格式

智能体输入必须是一个包含 messages 键的字典。支持的格式有

格式	示例
字符串	{"messages": "Hello"} — 被解释为HumanMessage
消息字典	{"messages": {"role": "user", "content": "Hello"}}
消息列表	{"messages": [{"role": "user", "content": "Hello"}]}
使用自定义状态	{"messages": [{"role": "user", "content": "Hello"}], "user_name": "Alice"} — 如果使用自定义的 state_schema

消息会自动转换为 LangChain 的内部消息格式。您可以在 LangChain 文档中阅读更多关于LangChain 消息的信息。

使用自定义智能体状态

您可以直接在输入字典中提供智能体状态 schema 中定义的额外字段。这允许基于运行时数据或先前的工具输出实现动态行为。
有关完整详细信息，请参阅上下文指南。

注意

针对 messages 的字符串输入会被转换为一个HumanMessage。此行为与 create_react_agent 中的 prompt 参数不同，后者作为字符串传递时被解释为SystemMessage。

输出格式

智能体输出是一个字典，包含

• messages：执行期间交换的所有消息列表（用户输入、助手回复、工具调用）。
• 可选地，如果配置了结构化输出，则包含 structured_response。
• 如果使用自定义的 state_schema，输出中可能还会存在与您定义的字段对应的附加键。这些键可以包含工具执行或提示逻辑更新的状态值。

有关使用自定义状态 schema 和访问上下文的更多详细信息，请参阅上下文指南。

流式输出

智能体支持流式响应，以提供响应更快的应用程序。这包括

• 每一步骤后的进度更新
• 生成时的 LLM tokens
• 执行期间的自定义工具消息

流在同步和异步模式下均可用

同步流异步流

for chunk in agent.stream(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]},
    stream_mode="updates"
):
    print(chunk)

async for chunk in agent.astream(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]},
    stream_mode="updates"
):
    print(chunk)

提示

有关完整详细信息，请参阅流式指南。

最大迭代次数

为了控制智能体执行并避免无限循环，请设置递归限制。这定义了智能体在引发 GraphRecursionError 之前可以采取的最大步数。您可以在运行时或通过 .with_config() 定义智能体时配置 recursion_limit

运行时.with_config()

from langgraph.errors import GraphRecursionError
from langgraph.prebuilt import create_react_agent

max_iterations = 3
recursion_limit = 2 * max_iterations + 1
agent = create_react_agent(
    model="anthropic:claude-3-5-haiku-latest",
    tools=[get_weather]
)

try:
    response = agent.invoke(
        {"messages": [{"role": "user", "content": "what's the weather in sf"}]},
        {"recursion_limit": recursion_limit},
    )
except GraphRecursionError:
    print("Agent stopped due to max iterations.")

from langgraph.errors import GraphRecursionError
from langgraph.prebuilt import create_react_agent

max_iterations = 3
recursion_limit = 2 * max_iterations + 1
agent = create_react_agent(
    model="anthropic:claude-3-5-haiku-latest",
    tools=[get_weather]
)
agent_with_recursion_limit = agent.with_config(recursion_limit=recursion_limit)

try:
    response = agent_with_recursion_limit.invoke(
        {"messages": [{"role": "user", "content": "what's the weather in sf"}]},
    )
except GraphRecursionError:
    print("Agent stopped due to max iterations.")

附加资源

• LangChain 中的异步编程

评论