图定义¶

StateGraph ¶

基类： Generic[StateT, ContextT, InputT, OutputT]

一种图，其节点通过读取和写入共享状态进行通信。每个节点的签名为 State -> Partial.

每个状态键都可以选择性地使用一个 reducer 函数进行注解，该函数将用于聚合从多个节点接收到的该键的值。reducer 函数的签名为 (Value, Value) -> Value。

参数

名称	类型	描述	默认值
`state_schema`	`type[StateT]`	定义状态的模式类。	必填
`context_schema`	`type[ContextT] \| None`	定义运行时上下文的模式类。使用此项向您的节点暴露不可变的上下文数据，如 user_id、db_conn 等。	`None`
`input_schema`	`type[InputT] \| None`	定义图输入的模式类。	`None`
`output_schema`	`type[OutputT] \| None`	定义图输出的模式类。	`None`

config_schema 已弃用

config_schema 参数在 v0.6.0 版本中已弃用，并将在 v2.0.0 版本中移除支持。请改用 context_schema 来指定运行范围上下文的模式。

示例

from langchain_core.runnables import RunnableConfig
from typing_extensions import Annotated, TypedDict
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import StateGraph
from langgraph.runtime import Runtime

def reducer(a: list, b: int | None) -> list:
    if b is not None:
        return a + [b]
    return a

class State(TypedDict):
    x: Annotated[list, reducer]

class Context(TypedDict):
    r: float

graph = StateGraph(state_schema=State, context_schema=Context)

def node(state: State, runtime: Runtime[Context]) -> dict:
    r = runtie.context.get("r", 1.0)
    x = state["x"][-1]
    next_value = x * r * (1 - x)
    return {"x": next_value}

graph.add_node("A", node)
graph.set_entry_point("A")
graph.set_finish_point("A")
compiled = graph.compile()

step1 = compiled.invoke({"x": 0.5}, context={"r": 3.0})
# {'x': [0.5, 0.75]}

方法

名称	描述
`add_node`	向状态图添加一个新节点。
`add_edge`	从起始节点（或起始节点列表）向结束节点添加一条有向边。
`add_conditional_edges`	从起始节点向任意数量的目标节点添加条件边。
`add_sequence`	添加一个将按提供顺序执行的节点序列。
`compile`	将状态图编译成一个 `CompiledStateGraph` 对象。

add_node ¶

add_node(
    node: str | StateNode[NodeInputT, ContextT],
    action: StateNode[NodeInputT, ContextT] | None = None,
    *,
    defer: bool = False,
    metadata: dict[str, Any] | None = None,
    input_schema: type[NodeInputT] | None = None,
    retry_policy: (
        RetryPolicy | Sequence[RetryPolicy] | None
    ) = None,
    cache_policy: CachePolicy | None = None,
    destinations: (
        dict[str, str] | tuple[str, ...] | None
    ) = None,
    **kwargs: Unpack[DeprecatedKwargs]
) -> Self

向状态图添加一个新节点。

参数

名称	类型	描述	默认值
`node`	`str \| StateNode[NodeInputT, ContextT]`	此节点将运行的函数或可运行对象。如果提供的是字符串，它将被用作节点名称，而 action 将被用作函数或可运行对象。	必填
`action`	`StateNode[NodeInputT, ContextT] \| None`	与节点关联的操作。（默认值：None）如果 `node` 是一个字符串（节点名称），则将用作节点函数或可运行对象。	`None`
`defer`	`bool`	是否将节点的执行推迟到运行即将结束时。	`False`
`metadata`	`dict[str, Any] \| None`	与节点关联的元数据。（默认值：None）	`None`
`input_schema`	`type[NodeInputT] \| None`	节点的输入模式。（默认值：图的状态模式）	`None`
`retry_policy`	`RetryPolicy \| Sequence[RetryPolicy] \| None`	节点的重试策略。（默认值：None）如果提供了一个序列，将应用第一个匹配的策略。	`None`
`cache_policy`	`CachePolicy \| None`	节点的缓存策略。（默认值：None）	`None`
`destinations`	`dict[str, str] \| tuple[str, ...] \| None`	指示节点可以路由到的目标。这对于包含返回 `Command` 对象的节点的无边图很有用。如果提供了一个字典，键将用作目标节点名称，值将用作边的标签。如果提供了一个元组，值将用作目标节点名称。注意：这仅用于图的渲染，对图的执行没有任何影响。	`None`

示例

from typing_extensions import TypedDict

from langchain_core.runnables import RunnableConfig
from langgraph.graph import START, StateGraph

class State(TypedDict):
    x: int

def my_node(state: State, config: RunnableConfig) -> State:
    return {"x": state["x"] + 1}

builder = StateGraph(State)
builder.add_node(my_node)  # node name will be 'my_node'
builder.add_edge(START, "my_node")
graph = builder.compile()
graph.invoke({"x": 1})
# {'x': 2}

自定义名称

builder = StateGraph(State)
builder.add_node("my_fair_node", my_node)
builder.add_edge(START, "my_fair_node")
graph = builder.compile()
graph.invoke({"x": 1})
# {'x': 2}

返回

名称	类型	描述
`Self`	`Self`	状态图的实例，允许方法链式调用。

add_edge ¶

add_edge(start_key: str | list[str], end_key: str) -> Self

从起始节点（或起始节点列表）向结束节点添加一条有向边。

当提供单个起始节点时，图将等待该节点完成后再执行结束节点。当提供多个起始节点时，图将等待所有起始节点完成后再执行结束节点。

参数

名称	类型	描述	默认值
`start_key`	`str \| list[str]`	边的起始节点的键。	必填
`end_key`	`str`	边的结束节点的键。	必填

抛出

类型	描述
`ValueError`	如果起始键是 'END'，或者如果起始键或结束键在图中不存在。

返回

名称	类型	描述
`Self`	`Self`	状态图的实例，允许方法链式调用。

add_conditional_edges ¶

add_conditional_edges(
    source: str,
    path: (
        Callable[..., Hashable | list[Hashable]]
        | Callable[
            ..., Awaitable[Hashable | list[Hashable]]
        ]
        | Runnable[Any, Hashable | list[Hashable]]
    ),
    path_map: dict[Hashable, str] | list[str] | None = None,
) -> Self

从起始节点向任意数量的目标节点添加条件边。

参数

名称	类型	描述	默认值
`source`	`str`	起始节点。此条件边将在退出此节点时运行。	必填
`path`	`Callable[..., Hashable \| list[Hashable]] \| Callable[..., Awaitable[Hashable \| list[Hashable]]] \| Runnable[Any, Hashable \| list[Hashable]]`	确定下一个节点或节点的可调用对象。如果未指定 `path_map`，它应返回一个或多个节点。如果它返回 END，图将停止执行。	必填
`path_map`	`dict[Hashable, str] \| list[str] \| None`	可选的路径到节点名称的映射。如果省略，`path` 返回的路径应为节点名称。	`None`

返回

名称	类型	描述
`Self`	`Self`	图的实例，允许方法链式调用。

如果没有在 path 函数的返回值上使用类型提示（例如，-> Literal["foo", "__end__"]:）

或一个 path_map，图的可视化会假设边可以转换到图中的任何节点。

add_sequence ¶

add_sequence(
    nodes: Sequence[
        StateNode[NodeInputT, ContextT]
        | tuple[str, StateNode[NodeInputT, ContextT]]
    ],
) -> Self

添加一个将按提供顺序执行的节点序列。

参数

名称	类型	描述	默认值
`nodes`	`Sequence[StateNode[NodeInputT, ContextT] \| tuple[str, StateNode[NodeInputT, ContextT]]]`	一个 StateNodes（接受一个状态参数的可调用对象）或 (名称, StateNode) 元组的序列。如果未提供名称，将从节点对象（例如，一个可运行对象或一个可调用对象的名称）推断名称。每个节点将按提供的顺序执行。	必填

抛出

类型	描述
`ValueError`	如果序列为空。
`ValueError`	如果序列包含重复的节点名称。

返回

名称	类型	描述
`Self`	`Self`	状态图的实例，允许方法链式调用。

compile ¶

compile(
    checkpointer: Checkpointer = None,
    *,
    cache: BaseCache | None = None,
    store: BaseStore | None = None,
    interrupt_before: All | list[str] | None = None,
    interrupt_after: All | list[str] | None = None,
    debug: bool = False,
    name: str | None = None
) -> CompiledStateGraph[StateT, ContextT, InputT, OutputT]

将状态图编译成一个 CompiledStateGraph 对象。

编译后的图实现了 Runnable 接口，可以被调用、流式传输、批处理和异步运行。

参数

名称	类型	描述	默认值
`checkpointer`	`Checkpointer`	一个检查点保存器对象或标志。如果提供，此 Checkpointer 将作为图的完全版本化的“短期记忆”，允许它从任何点暂停、恢复和重放。如果为 None，它在用作子图时可能会继承父图的检查点保存器。如果为 False，它将不使用或继承任何检查点保存器。	`None`
`interrupt_before`	`All \| list[str] \| None`	一个可选的节点名称列表，在这些节点之前中断。	`None`
`interrupt_after`	`All \| list[str] \| None`	一个可选的节点名称列表，在这些节点之后中断。	`None`
`debug`	`bool`	一个指示是否启用调试模式的标志。	`False`
`name`	`str \| None`	用于编译后图的名称。	`None`

返回

名称	类型	描述
`CompiledStateGraph`	`CompiledStateGraph[StateT, ContextT, InputT, OutputT]`	编译后的状态图。

CompiledStateGraph ¶

基类： Pregel[StateT, ContextT, InputT, OutputT], Generic[StateT, ContextT, InputT, OutputT]

方法

名称	描述
`stream`	为单个输入流式传输图的步骤。
`astream`	为单个输入异步流式传输图的步骤。
`invoke`	使用单个输入和配置运行图。
`ainvoke`	在单个输入上异步调用图。
`get_state`	获取图的当前状态。
`aget_state`	获取图的当前状态。
`get_state_history`	获取图的状态历史记录。
`aget_state_history`	异步获取图的状态历史记录。
`update_state`	使用给定的值更新图的状态，就像它们来自
`aupdate_state`	异步地使用给定的值更新图的状态，就像它们来自
`bulk_update_state`	批量应用对图状态的更新。需要设置一个检查点保存器。
`abulk_update_state`	异步地批量应用对图状态的更新。需要设置一个检查点保存器。
`get_graph`	返回计算图的可绘制表示。
`aget_graph`	返回计算图的可绘制表示。
`get_subgraphs`	获取图的子图。
`aget_subgraphs`	获取图的子图。
`with_config`	创建一个具有更新配置的 Pregel 对象的副本。

stream ¶

stream(
    input: InputT | Command | None,
    config: RunnableConfig | None = None,
    *,
    context: ContextT | None = None,
    stream_mode: (
        StreamMode | Sequence[StreamMode] | None
    ) = None,
    print_mode: StreamMode | Sequence[StreamMode] = (),
    output_keys: str | Sequence[str] | None = None,
    interrupt_before: All | Sequence[str] | None = None,
    interrupt_after: All | Sequence[str] | None = None,
    durability: Durability | None = None,
    subgraphs: bool = False,
    debug: bool | None = None,
    **kwargs: Unpack[DeprecatedKwargs]
) -> Iterator[dict[str, Any] | Any]

为单个输入流式传输图的步骤。

参数

名称	类型	描述	默认值
`input`	`InputT \| Command \| None`	图的输入。	必填
`config`	`RunnableConfig \| None`	运行使用的配置。	`None`
`context`	`ContextT \| None`	用于运行的静态上下文。在 0.6.0 版本中添加。	`None`
`stream_mode`	`StreamMode \| Sequence[StreamMode] \| None`	流式输出的模式，默认为 `self.stream_mode`。选项包括： `"values"`：在每个步骤后发出状态中的所有值，包括中断。与函数式 API 一起使用时，值在工作流结束时一次性发出。 `"updates"`：仅在每个步骤后发出节点或任务名称以及由节点或任务返回的更新。如果同一步骤中进行了多次更新（例如运行了多个节点），则这些更新将单独发出。 `"custom"`：使用 `StreamWriter` 从节点或任务内部发出自定义数据。 `"messages"`：逐个标记地发出 LLM 消息，并附带节点或任务内任何 LLM 调用的元数据。将以 2 元组 `(LLM 令牌, 元数据)` 的形式发出。 `"checkpoints"`：在创建检查点时发出事件，格式与 `get_state()` 返回的相同。 `"tasks"`：在任务开始和结束时发出事件，包括其结果和错误。您可以将列表作为 `stream_mode` 参数传递，以同时流式传输多种模式。流式输出将是 `(模式, 数据)` 的元组。有关更多详细信息，请参阅 LangGraph 流式传输指南。	`None`
`print_mode`	`StreamMode \| Sequence[StreamMode]`	接受与 `stream_mode` 相同的值，但仅将输出打印到控制台，用于调试目的。不以任何方式影响图的输出。	`()`
`output_keys`	`str \| Sequence[str] \| None`	要流式传输的键，默认为所有非上下文通道。	`None`
`interrupt_before`	`All \| Sequence[str] \| None`	在其之前中断的节点，默认为图中的所有节点。	`None`
`interrupt_after`	`All \| Sequence[str] \| None`	在其之后中断的节点，默认为图中的所有节点。	`None`
`durability`	`Durability \| None`	图执行的持久性模式，默认为“async”。选项有： - `"sync"`：在下一步开始前同步持久化更改。 - `"async"`：在下一步执行时异步持久化更改。 - `"exit"`：仅在图退出时持久化更改。	`None`
`subgraphs`	`bool`	是否从子图内部流式传输事件，默认为 False。如果为 True，事件将以 `(namespace, data)` 的元组形式发出，如果 `stream_mode` 是一个列表，则为 `(namespace, mode, data)`，其中 `namespace` 是一个包含调用子图节点路径的元组，例如 `("parent_node:<task_id>", "child_node:<task_id>")`。有关更多详细信息，请参阅 LangGraph 流式传输指南。	`False`

返回

类型	描述
`dict[str, Any] \| Any`	图中每一步的输出。输出形状取决于 stream_mode。

astream `async` ¶

astream(
    input: InputT | Command | None,
    config: RunnableConfig | None = None,
    *,
    context: ContextT | None = None,
    stream_mode: (
        StreamMode | Sequence[StreamMode] | None
    ) = None,
    print_mode: StreamMode | Sequence[StreamMode] = (),
    output_keys: str | Sequence[str] | None = None,
    interrupt_before: All | Sequence[str] | None = None,
    interrupt_after: All | Sequence[str] | None = None,
    durability: Durability | None = None,
    subgraphs: bool = False,
    debug: bool | None = None,
    **kwargs: Unpack[DeprecatedKwargs]
) -> AsyncIterator[dict[str, Any] | Any]

为单个输入异步流式传输图的步骤。

参数

名称	类型	描述	默认值
`input`	`InputT \| Command \| None`	图的输入。	必填
`config`	`RunnableConfig \| None`	运行使用的配置。	`None`
`context`	`ContextT \| None`	用于运行的静态上下文。在 0.6.0 版本中添加。	`None`
`stream_mode`	`StreamMode \| Sequence[StreamMode] \| None`	流式输出的模式，默认为 `self.stream_mode`。选项包括： `"values"`：在每个步骤后发出状态中的所有值，包括中断。与函数式 API 一起使用时，值在工作流结束时一次性发出。 `"updates"`：仅在每个步骤后发出节点或任务名称以及由节点或任务返回的更新。如果同一步骤中进行了多次更新（例如运行了多个节点），则这些更新将单独发出。 `"custom"`：使用 `StreamWriter` 从节点或任务内部发出自定义数据。 `"messages"`：逐个标记地发出 LLM 消息，并附带节点或任务内任何 LLM 调用的元数据。将以 2 元组 `(LLM 令牌, 元数据)` 的形式发出。 `"debug"`：为每一步发出包含尽可能多信息的调试事件。您可以将列表作为 `stream_mode` 参数传递，以同时流式传输多种模式。流式输出将是 `(模式, 数据)` 的元组。有关更多详细信息，请参阅 LangGraph 流式传输指南。	`None`
`print_mode`	`StreamMode \| Sequence[StreamMode]`	接受与 `stream_mode` 相同的值，但仅将输出打印到控制台，用于调试目的。不以任何方式影响图的输出。	`()`
`output_keys`	`str \| Sequence[str] \| None`	要流式传输的键，默认为所有非上下文通道。	`None`
`interrupt_before`	`All \| Sequence[str] \| None`	在其之前中断的节点，默认为图中的所有节点。	`None`
`interrupt_after`	`All \| Sequence[str] \| None`	在其之后中断的节点，默认为图中的所有节点。	`None`
`durability`	`Durability \| None`	图执行的持久性模式，默认为“async”。选项有： - `"sync"`：在下一步开始前同步持久化更改。 - `"async"`：在下一步执行时异步持久化更改。 - `"exit"`：仅在图退出时持久化更改。	`None`
`subgraphs`	`bool`	是否从子图内部流式传输事件，默认为 False。如果为 True，事件将以 `(namespace, data)` 的元组形式发出，如果 `stream_mode` 是一个列表，则为 `(namespace, mode, data)`，其中 `namespace` 是一个包含调用子图节点路径的元组，例如 `("parent_node:<task_id>", "child_node:<task_id>")`。有关更多详细信息，请参阅 LangGraph 流式传输指南。	`False`

返回

类型	描述
`AsyncIterator[dict[str, Any] \| Any]`	图中每一步的输出。输出形状取决于 stream_mode。

invoke ¶

invoke(
    input: InputT | Command | None,
    config: RunnableConfig | None = None,
    *,
    context: ContextT | None = None,
    stream_mode: StreamMode = "values",
    print_mode: StreamMode | Sequence[StreamMode] = (),
    output_keys: str | Sequence[str] | None = None,
    interrupt_before: All | Sequence[str] | None = None,
    interrupt_after: All | Sequence[str] | None = None,
    durability: Durability | None = None,
    **kwargs: Any
) -> dict[str, Any] | Any

使用单个输入和配置运行图。

参数

名称	类型	描述	默认值
`input`	`InputT \| Command \| None`	图的输入数据。可以是一个字典或任何其他类型。	必填
`config`	`RunnableConfig \| None`	可选。图运行的配置。	`None`
`context`	`ContextT \| None`	用于运行的静态上下文。在 0.6.0 版本中添加。	`None`
`stream_mode`	`StreamMode`	可选[str]。图运行的流模式。默认为“values”。	`'values'`
`print_mode`	`StreamMode \| Sequence[StreamMode]`	接受与 `stream_mode` 相同的值，但仅将输出打印到控制台，用于调试目的。不以任何方式影响图的输出。	`()`
`output_keys`	`str \| Sequence[str] \| None`	可选。从图运行中检索的输出键。	`None`
`interrupt_before`	`All \| Sequence[str] \| None`	可选。在此之前中断图运行的节点。	`None`
`interrupt_after`	`All \| Sequence[str] \| None`	可选。在此之后中断图运行的节点。	`None`
`durability`	`Durability \| None`	图执行的持久性模式，默认为“async”。选项有： - `"sync"`：在下一步开始前同步持久化更改。 - `"async"`：在下一步执行时异步持久化更改。 - `"exit"`：仅在图退出时持久化更改。	`None`
`**kwargs`	`Any`	传递给图运行的其他关键字参数。	`{}`

返回

类型	描述
`dict[str, Any] \| Any`	图运行的输出。如果 stream_mode 是 "values"，则返回最新的输出。
`dict[str, Any] \| Any`	如果 stream_mode 不是 "values"，则返回一个输出块的列表。

ainvoke `async` ¶

ainvoke(
    input: InputT | Command | None,
    config: RunnableConfig | None = None,
    *,
    context: ContextT | None = None,
    stream_mode: StreamMode = "values",
    print_mode: StreamMode | Sequence[StreamMode] = (),
    output_keys: str | Sequence[str] | None = None,
    interrupt_before: All | Sequence[str] | None = None,
    interrupt_after: All | Sequence[str] | None = None,
    durability: Durability | None = None,
    **kwargs: Any
) -> dict[str, Any] | Any

在单个输入上异步调用图。

参数

名称	类型	描述	默认值
`input`	`InputT \| Command \| None`	计算的输入数据。可以是一个字典或任何其他类型。	必填
`config`	`RunnableConfig \| None`	可选。计算的配置。	`None`
`context`	`ContextT \| None`	用于运行的静态上下文。在 0.6.0 版本中添加。	`None`
`stream_mode`	`StreamMode`	可选。计算的流模式。默认为“values”。	`'values'`
`print_mode`	`StreamMode \| Sequence[StreamMode]`	接受与 `stream_mode` 相同的值，但仅将输出打印到控制台，用于调试目的。不以任何方式影响图的输出。	`()`
`output_keys`	`str \| Sequence[str] \| None`	可选。包含在结果中的输出键。默认为 None。	`None`
`interrupt_before`	`All \| Sequence[str] \| None`	可选。在此之前中断的节点。默认为 None。	`None`
`interrupt_after`	`All \| Sequence[str] \| None`	可选。在此之后中断的节点。默认为 None。	`None`
`durability`	`Durability \| None`	图执行的持久性模式，默认为“async”。选项有： - `"sync"`：在下一步开始前同步持久化更改。 - `"async"`：在下一步执行时异步持久化更改。 - `"exit"`：仅在图退出时持久化更改。	`None`
`**kwargs`	`Any`	额外的关键字参数。	`{}`

返回

类型	描述
`dict[str, Any] \| Any`	计算的结果。如果 stream_mode 是 "values"，则返回最新的值。
`dict[str, Any] \| Any`	如果 stream_mode 是 "chunks"，则返回一个块的列表。

get_state ¶

get_state(
    config: RunnableConfig, *, subgraphs: bool = False
) -> StateSnapshot

获取图的当前状态。

aget_state `async` ¶

aget_state(
    config: RunnableConfig, *, subgraphs: bool = False
) -> StateSnapshot

获取图的当前状态。

get_state_history ¶

get_state_history(
    config: RunnableConfig,
    *,
    filter: dict[str, Any] | None = None,
    before: RunnableConfig | None = None,
    limit: int | None = None
) -> Iterator[StateSnapshot]

获取图的状态历史记录。

aget_state_history `async` ¶

aget_state_history(
    config: RunnableConfig,
    *,
    filter: dict[str, Any] | None = None,
    before: RunnableConfig | None = None,
    limit: int | None = None
) -> AsyncIterator[StateSnapshot]

异步获取图的状态历史记录。

update_state ¶

update_state(
    config: RunnableConfig,
    values: dict[str, Any] | Any | None,
    as_node: str | None = None,
    task_id: str | None = None,
) -> RunnableConfig

使用给定的值更新图的状态，就像它们来自节点 as_node 一样。如果未提供 as_node，它将被设置为最后更新状态的节点（如果明确的话）。

aupdate_state `async` ¶

aupdate_state(
    config: RunnableConfig,
    values: dict[str, Any] | Any,
    as_node: str | None = None,
    task_id: str | None = None,
) -> RunnableConfig

异步地使用给定的值更新图的状态，就像它们来自节点 as_node 一样。如果未提供 as_node，它将被设置为最后更新状态的节点（如果明确的话）。

bulk_update_state ¶

bulk_update_state(
    config: RunnableConfig,
    supersteps: Sequence[Sequence[StateUpdate]],
) -> RunnableConfig

批量应用对图状态的更新。需要设置一个检查点保存器。

参数

名称	类型	描述	默认值
`config`	`RunnableConfig`	应用更新的配置。	必填
`supersteps`	`Sequence[Sequence[StateUpdate]]`	一个超级步骤列表，每个超级步骤包含一个要按顺序应用于图状态的更新列表。每个更新是 `(values, as_node, task_id)` 形式的元组，其中 task_id 是可选的。	必填

抛出

类型	描述
`ValueError`	如果没有设置检查点保存器或没有提供更新。
`InvalidUpdateError`	如果提供了无效的更新。

返回

名称	类型	描述
`RunnableConfig`	`RunnableConfig`	更新后的配置。

abulk_update_state `async` ¶

abulk_update_state(
    config: RunnableConfig,
    supersteps: Sequence[Sequence[StateUpdate]],
) -> RunnableConfig

异步地批量应用对图状态的更新。需要设置一个检查点保存器。

参数

名称	类型	描述	默认值
`config`	`RunnableConfig`	应用更新的配置。	必填
`supersteps`	`Sequence[Sequence[StateUpdate]]`	一个超级步骤列表，每个超级步骤包含一个要按顺序应用于图状态的更新列表。每个更新是 `(values, as_node, task_id)` 形式的元组，其中 task_id 是可选的。	必填

抛出

类型	描述
`ValueError`	如果没有设置检查点保存器或没有提供更新。
`InvalidUpdateError`	如果提供了无效的更新。

返回

名称	类型	描述
`RunnableConfig`	`RunnableConfig`	更新后的配置。

get_graph ¶

get_graph(
    config: RunnableConfig | None = None,
    *,
    xray: int | bool = False
) -> Graph

返回计算图的可绘制表示。

aget_graph `async` ¶

aget_graph(
    config: RunnableConfig | None = None,
    *,
    xray: int | bool = False
) -> Graph

返回计算图的可绘制表示。

get_subgraphs ¶

get_subgraphs(
    *, namespace: str | None = None, recurse: bool = False
) -> Iterator[tuple[str, PregelProtocol]]

获取图的子图。

参数

名称	类型	描述	默认值
`namespace`	`str \| None`	用于过滤子图的命名空间。	`None`
`recurse`	`bool`	是否递归进入子图。如果为 False，则只返回直接的子图。	`False`

返回

类型	描述
`Iterator[tuple[str, PregelProtocol]]`	Iterator[tuple[str, PregelProtocol]]：一个 (命名空间, 子图) 对的迭代器。

aget_subgraphs `async` ¶

aget_subgraphs(
    *, namespace: str | None = None, recurse: bool = False
) -> AsyncIterator[tuple[str, PregelProtocol]]

获取图的子图。

参数

名称	类型	描述	默认值
`namespace`	`str \| None`	用于过滤子图的命名空间。	`None`
`recurse`	`bool`	是否递归进入子图。如果为 False，则只返回直接的子图。	`False`

返回

类型	描述
`AsyncIterator[tuple[str, PregelProtocol]]`	AsyncIterator[tuple[str, PregelProtocol]]: 一个 (命名空间, 子图) 对的异步迭代器。

with_config ¶

with_config(
    config: RunnableConfig | None = None, **kwargs: Any
) -> Self

创建一个具有更新配置的 Pregel 对象的副本。

函数

名称	描述
`add_messages`	合并两个消息列表，通过 ID 更新现有消息。

add_messages ¶

add_messages(
    left: Messages,
    right: Messages,
    *,
    format: Literal["langchain-openai"] | None = None
) -> Messages

合并两个消息列表，通过 ID 更新现有消息。

默认情况下，这确保了状态是“仅追加”的，除非新消息与现有消息具有相同的 ID。

参数

名称	类型	描述	默认值
`left`	`消息`	基础消息列表。	必填
`right`	`消息`	要合并到基础列表中的消息列表（或单个消息）。	必填
`format`	`Literal['langchain-openai'] \| None`	返回消息的格式。如果为 None，则消息将按原样返回。如果为 'langchain-openai'，则消息将作为 BaseMessage 对象返回，其内容格式化以匹配 OpenAI 消息格式，这意味着内容可以是字符串、'text' 块或 'image_url' 块，并且工具响应将作为其自己的 ToolMessages 返回。要求必须安装 `langchain-core>=0.3.11` 才能使用此功能。	`None`

返回

类型	描述
`消息`	一个将 `right` 中的消息合并到 `left` 中的新消息列表。
`消息`	如果 `right` 中的消息与 `left` 中的消息具有相同的 ID，
`消息`	来自 `right` 的消息将替换来自 `left` 的消息。

示例

基本用法

from langchain_core.messages import AIMessage, HumanMessage
msgs1 = [HumanMessage(content="Hello", id="1")]
msgs2 = [AIMessage(content="Hi there!", id="2")]
add_messages(msgs1, msgs2)
# [HumanMessage(content='Hello', id='1'), AIMessage(content='Hi there!', id='2')]

覆盖现有消息

msgs1 = [HumanMessage(content="Hello", id="1")]
msgs2 = [HumanMessage(content="Hello again", id="1")]
add_messages(msgs1, msgs2)
# [HumanMessage(content='Hello again', id='1')]

在 StateGraph 中使用

from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph

class State(TypedDict):
    messages: Annotated[list, add_messages]

builder = StateGraph(State)
builder.add_node("chatbot", lambda state: {"messages": [("assistant", "Hello")]})
builder.set_entry_point("chatbot")
builder.set_finish_point("chatbot")
graph = builder.compile()
graph.invoke({})
# {'messages': [AIMessage(content='Hello', id=...)]}

使用 OpenAI 消息格式

from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, add_messages

class State(TypedDict):
    messages: Annotated[list, add_messages(format='langchain-openai')]

def chatbot_node(state: State) -> list:
    return {"messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Here's an image:",
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": "1234",
                    },
                },
            ]
        },
    ]}

builder = StateGraph(State)
builder.add_node("chatbot", chatbot_node)
builder.set_entry_point("chatbot")
builder.set_finish_point("chatbot")
graph = builder.compile()
graph.invoke({"messages": []})
# {
#     'messages': [
#         HumanMessage(
#             content=[
#                 {"type": "text", "text": "Here's an image:"},
#                 {
#                     "type": "image_url",
#                     "image_url": {"url": "data:image/jpeg;base64,1234"},
#                 },
#             ],
#         ),
#     ]
# }