如何转换子图的输入和输出¶

您的子图状态可能与父图状态完全独立，即两者之间没有重叠的通道（键）。例如，您可能有一个监督代理，需要在多个 ReAct 代理的帮助下生成报告。ReAct 代理子图可能会跟踪消息列表，而监督代理只需要在其状态中跟踪用户输入和最终报告，不需要跟踪消息。

在这种情况下，您需要在调用子图之前转换其输入，然后在返回之前转换其输出。本指南将展示如何实现这一目标。

设置¶

首先，让我们安装所需的包

In [1]

%%capture --no-stderr
%pip install -U langgraph

%%capture --no-stderr %pip install -U langgraph

为 LangGraph 开发设置 LangSmith

注册 LangSmith 帐户，以便快速发现问题并提高 LangGraph 项目的性能。LangSmith 允许您使用跟踪数据来调试、测试和监控使用 LangGraph 构建的 LLM 应用程序——了解有关如何开始使用 LangSmith 的更多信息 此处。

定义图和子图¶

让我们定义 3 个图

• 一个父图
• 一个将被父图调用的子图
• 一个将被子图调用的孙子图

定义孙子图¶

In [1]

from typing_extensions import TypedDict
from langgraph.graph.state import StateGraph, START, END


class GrandChildState(TypedDict):
    my_grandchild_key: str


def grandchild_1(state: GrandChildState) -> GrandChildState:
    # NOTE: child or parent keys will not be accessible here
    return {"my_grandchild_key": state["my_grandchild_key"] + ", how are you"}


grandchild = StateGraph(GrandChildState)
grandchild.add_node("grandchild_1", grandchild_1)

grandchild.add_edge(START, "grandchild_1")
grandchild.add_edge("grandchild_1", END)

grandchild_graph = grandchild.compile()

from typing_extensions import TypedDict from langgraph.graph.state import StateGraph, START, END class GrandChildState(TypedDict): my_grandchild_key: str def grandchild_1(state: GrandChildState) -> GrandChildState: # NOTE: 子图或父图的键将在此处不可访问 return {"my_grandchild_key": state["my_grandchild_key"] + ", how are you"} grandchild = StateGraph(GrandChildState) grandchild.add_node("grandchild_1", grandchild_1) grandchild.add_edge(START, "grandchild_1") grandchild.add_edge("grandchild_1", END) grandchild_graph = grandchild.compile()

In [2]

grandchild_graph.invoke({"my_grandchild_key": "hi Bob"})

grandchild_graph.invoke({"my_grandchild_key": "hi Bob"})

Out[2]

{'my_grandchild_key': 'hi Bob, how are you'}

定义子图¶

In [3]

class ChildState(TypedDict):
    my_child_key: str


def call_grandchild_graph(state: ChildState) -> ChildState:
    # NOTE: parent or grandchild keys won't be accessible here
    # we're transforming the state from the child state channels (`my_child_key`)
    # to the child state channels (`my_grandchild_key`)
    grandchild_graph_input = {"my_grandchild_key": state["my_child_key"]}
    # we're transforming the state from the grandchild state channels (`my_grandchild_key`)
    # back to the child state channels (`my_child_key`)
    grandchild_graph_output = grandchild_graph.invoke(grandchild_graph_input)
    return {"my_child_key": grandchild_graph_output["my_grandchild_key"] + " today?"}


child = StateGraph(ChildState)
# NOTE: we're passing a function here instead of just compiled graph (`child_graph`)
child.add_node("child_1", call_grandchild_graph)
child.add_edge(START, "child_1")
child.add_edge("child_1", END)
child_graph = child.compile()

class ChildState(TypedDict): my_child_key: str def call_grandchild_graph(state: ChildState) -> ChildState: # NOTE: 父图或孙子图的键将在此处不可访问 # 我们正在将状态从子图状态通道（`my_child_key`） # 转换到孙子图状态通道（`my_grandchild_key`） grandchild_graph_input = {"my_grandchild_key": state["my_child_key"]} # 我们正在将状态从孙子图状态通道（`my_grandchild_key`） # 转换回子图状态通道（`my_child_key`） grandchild_graph_output = grandchild_graph.invoke(grandchild_graph_input) return {"my_child_key": grandchild_graph_output["my_grandchild_key"] + " today?"} child = StateGraph(ChildState) # NOTE: 我们在这里传递一个函数，而不是一个已编译的图（`child_graph`） child.add_node("child_1", call_grandchild_graph) child.add_edge(START, "child_1") child.add_edge("child_1", END) child_graph = child.compile()

In [4]

child_graph.invoke({"my_child_key": "hi Bob"})

child_graph.invoke({"my_child_key": "hi Bob"})

Out[4]

{'my_child_key': 'hi Bob, how are you today?'}

注意

我们将 `grandchild_graph` 调用封装在一个单独的函数（`call_grandchild_graph`）中，该函数在调用孙子图之前转换输入状态，然后将孙子图的输出转换回子图状态。如果您只是将 `grandchild_graph` 直接传递给 `.add_node` 而不进行转换，LangGraph 将会抛出错误，因为子图和孙子图状态之间没有共享状态通道（键）。

请注意，子图和孙子图具有自己的 **独立** 状态，该状态与父图不共享。

定义父图¶

In [5]

class ParentState(TypedDict):
    my_key: str


def parent_1(state: ParentState) -> ParentState:
    # NOTE: child or grandchild keys won't be accessible here
    return {"my_key": "hi " + state["my_key"]}


def parent_2(state: ParentState) -> ParentState:
    return {"my_key": state["my_key"] + " bye!"}


def call_child_graph(state: ParentState) -> ParentState:
    # we're transforming the state from the parent state channels (`my_key`)
    # to the child state channels (`my_child_key`)
    child_graph_input = {"my_child_key": state["my_key"]}
    # we're transforming the state from the child state channels (`my_child_key`)
    # back to the parent state channels (`my_key`)
    child_graph_output = child_graph.invoke(child_graph_input)
    return {"my_key": child_graph_output["my_child_key"]}


parent = StateGraph(ParentState)
parent.add_node("parent_1", parent_1)
# NOTE: we're passing a function here instead of just a compiled graph (`<code>child_graph</code>`)
parent.add_node("child", call_child_graph)
parent.add_node("parent_2", parent_2)

parent.add_edge(START, "parent_1")
parent.add_edge("parent_1", "child")
parent.add_edge("child", "parent_2")
parent.add_edge("parent_2", END)

parent_graph = parent.compile()

class ParentState(TypedDict): my_key: str def parent_1(state: ParentState) -> ParentState: # NOTE: 子图或孙子图的键将在此处不可访问 return {"my_key": "hi " + state["my_key"]} def parent_2(state: ParentState) -> ParentState: return {"my_key": state["my_key"] + " bye!"} def call_child_graph(state: ParentState) -> ParentState: # 我们正在将状态从父图状态通道（`my_key`） # 转换到子图状态通道（`my_child_key`） child_graph_input = {"my_child_key": state["my_key"]} # 我们正在将状态从子图状态通道（`my_child_key`） # 转换回父图状态通道（`my_key`） child_graph_output = child_graph.invoke(child_graph_input) return {"my_key": child_graph_output["my_child_key"]} parent = StateGraph(ParentState) parent.add_node("parent_1", parent_1) # NOTE: 我们在这里传递一个函数，而不是一个已编译的图（`child_graph`） parent.add_node("child", call_child_graph) parent.add_node("parent_2", parent_2) parent.add_edge(START, "parent_1") parent.add_edge("parent_1", "child") parent.add_edge("child", "parent_2") parent.add_edge("parent_2", END) parent_graph = parent.compile()

注意

我们将 `child_graph` 调用封装在一个单独的函数（`call_child_graph`）中，该函数在调用子图之前转换输入状态，然后将子图的输出转换回父图状态。如果您只是将 `child_graph` 直接传递给 `.add_node` 而不进行转换，LangGraph 将会抛出错误，因为父图和子图状态之间没有共享状态通道（键）。

让我们运行父图，并确保它正确调用了子图和孙子图

In [6]

parent_graph.invoke({"my_key": "Bob"})

parent_graph.invoke({"my_key": "Bob"})

Out[6]

{'my_key': 'hi Bob, how are you today? bye!'}

完美！父图正确调用了子图和孙子图（我们知道这一点，因为 ", how are you" 和 "today?" 被添加到我们原始的 "my_key" 状态值中）。

评论