Agent 架构

许多 LLM 应用程序在 LLM 调用之前和/或之后实现特定的控制流步骤。例如，RAG 会检索与用户问题相关的文档，并将这些文档传递给 LLM，以便模型的响应基于提供的文档上下文。

我们有时不希望硬编码固定的控制流，而是希望 LLM 系统能够自行选择控制流来解决更复杂的问题！这是 agent 的一个定义：agent 是一个使用 LLM 来决定应用程序控制流的系统。LLM 可以通过多种方式控制应用程序

• LLM 可以在两个潜在路径之间进行路由
• LLM 可以决定调用众多工具中的哪一个
• LLM 可以决定生成的答案是否足够，或者是否需要更多工作

因此，有许多不同类型的agent 架构，它们赋予 LLM 不同程度的控制权。

路由器

路由器允许 LLM 从指定的选项集中选择一个步骤。这种 agent 架构的控制级别相对有限，因为 LLM 通常只专注于做出一个决策，并从有限的预定义选项集中生成特定输出。路由器通常采用几种不同的概念来实现此目的。

结构化输出

使用 LLM 的结构化输出是通过提供 LLM 在其响应中应遵循的特定格式或模式来实现的。这类似于工具调用，但更通用。虽然工具调用通常涉及选择和使用预定义函数，但结构化输出可用于任何类型的格式化响应。实现结构化输出的常见方法包括

1. Prompt 工程：通过系统 prompt 指示 LLM 以特定格式响应。
2. 输出解析器：使用后处理从 LLM 响应中提取结构化数据。
3. 工具调用：利用某些 LLM 内置的工具调用能力生成结构化输出。

结构化输出对于路由至关重要，因为它们确保 LLM 的决策能够被系统可靠地解释和执行。在此操作指南中了解更多关于结构化输出的信息。

工具调用 Agent

虽然路由器允许 LLM 做出一个决策，但更复杂的 agent 架构通过两种关键方式扩展了 LLM 的控制

1. 多步决策：LLM 可以连续做出一系列决策，而不仅仅是一个决策。
2. 工具访问：LLM 可以选择并使用各种工具来完成任务。

ReAct 是一种流行的通用 agent 架构，它结合了这些扩展，整合了三个核心概念。

1. 工具调用：允许 LLM 根据需要选择和使用各种工具。
2. 记忆：使 agent 能够保留和使用先前步骤的信息。
3. 规划：使 LLM 能够创建并遵循多步计划来实现目标。

这种架构支持更复杂、更灵活的 agent 行为，超越了简单的路由，能够进行多步动态问题解决。您可以将其与 create_react_agent 一起使用。

工具调用

无论何时您希望 agent 与外部系统交互，工具都非常有用。外部系统（例如 API）通常需要特定的输入模式或负载，而不是自然语言。例如，当我们绑定一个 API 作为工具时，我们就让模型了解所需的输入模式。模型将根据用户的自然语言输入选择调用工具，并返回符合工具所需模式的输出。

许多 LLM 提供商支持工具调用，并且 LangChain 中的工具调用接口很简单：您只需将任何 Python function 传递给 ChatModel.bind_tools(function) 即可。

记忆

记忆对于 agent 至关重要，它使 agent 能够在多步问题解决过程中保留和利用信息。它在不同尺度上运作

1. 短期记忆：允许 agent 访问在序列早期步骤中获取的信息。
2. 长期记忆：使 agent 能够回忆起先前交互中的信息，例如对话中的历史消息。

LangGraph 提供对记忆实现的完全控制

• State：用户定义的模式，指定要保留的记忆的精确结构。
• Checkpointers：一种机制，用于在不同交互的每个步骤中存储状态。

这种灵活的方法允许您根据特定的 agent 架构需求定制记忆系统。有关如何将记忆添加到您的图的实用指南，请参阅本教程。

有效的记忆管理增强了 agent 保持上下文、从过去经验中学习并随着时间推移做出更明智决策的能力。

规划

在 ReAct 架构中，LLM 在一个 while 循环中被重复调用。在每一步，agent 决定调用哪些工具以及这些工具的输入应该是什么。然后执行这些工具，并将输出作为观察结果反馈给 LLM。当 agent 决定它有足够的信息来解决用户请求并且不再值得调用任何工具时，该 while 循环终止。

ReAct 实现

这篇论文与预构建的 create_react_agent 实现之间存在一些区别

• 首先，我们使用工具调用让 LLM 调用工具，而论文使用的是 prompt + 解析原始输出。这是因为工具调用在撰写论文时还不存在，但通常更好、更可靠。
• 其次，我们使用消息来 prompt LLM，而论文使用的是字符串格式化。这是因为在撰写本文时，LLM 甚至没有暴露基于消息的接口，而现在这是它们唯一暴露的接口。
• 第三，论文要求工具的所有输入都是一个单一字符串。这很大程度上是因为当时的 LLM 能力不是很强，只能生成一个单一输入。我们的实现允许使用需要多个输入的工具。
• 第四，论文当时只考虑一次调用一个工具，这主要是由于当时 LLM 性能的限制。我们的实现允许一次调用多个工具。
• 最后，论文要求 LLM 在决定调用哪些工具之前明确生成一个“Thought”步骤。这是“ReAct”中的“Reasoning”部分。我们的实现默认不这样做，这主要是因为 LLM 已经变得更好，不再那么必要。当然，如果您希望它这样做，您肯定可以 prompt 它。

自定义 Agent 架构

虽然路由器和工具调用 agent（如 ReAct）很常见，但定制 agent 架构通常会带来更好的特定任务性能。LangGraph 提供了几个强大的功能来构建定制的 agent 系统

人工回路

人工参与可以显著提高 agent 的可靠性，特别是对于敏感任务。这可以包括

• 批准特定行动
• 提供反馈以更新 agent 的状态
• 在复杂决策过程中提供指导

当无法实现或不希望实现完全自动化时，人工回路模式至关重要。在我们的人工回路指南中了解更多信息。

并行化

并行处理对于高效的多 agent 系统和复杂任务至关重要。LangGraph 通过其 Send API 支持并行化，从而实现

• 并发处理多个状态
• 实现 Map-Reduce 类操作
• 高效处理独立子任务

有关实际实现，请参阅我们的map-reduce 教程。

子图

子图对于管理复杂的 agent 架构至关重要，尤其是在多 agent 系统中。它们允许

• 独立 agent 的独立状态管理
• agent 团队的层次化组织
• agent 与主系统之间的受控通信

子图通过状态模式中的重叠键与父图通信。这实现了灵活的模块化 agent 设计。有关实现细节，请参阅我们的子图操作指南。

反思

反思机制可以显著提高 agent 的可靠性，通过

1. 评估任务完成度和正确性
2. 提供反馈以进行迭代改进
3. 实现自我纠正和学习

虽然通常基于 LLM，但反思也可以使用确定性方法。例如，在编码任务中，编译错误可以作为反馈。此方法在使用 LangGraph 进行自我纠正代码生成的此视频中有所演示。

通过利用这些功能，LangGraph 能够创建复杂的、针对特定任务的 agent 架构，这些架构可以处理复杂的工作流、有效地协作并持续改进其性能。

评论