使用 LangGraph 进行智能体开发¶

LangGraph 为构建基于智能体的应用提供了低级原语和高级预构建组件。本节重点介绍预构建的、可复用的组件，旨在帮助您快速可靠地构建智能体系统，而无需从头开始实现编排、记忆或人工反馈处理。

什么是智能体？¶

一个智能体由三个组件组成：一个大型语言模型（LLM）、一套它可以使用的工具，以及一个提供指令的提示。

LLM 以循环方式运行。在每次迭代中，它选择一个工具来调用，提供输入，接收结果（一个观察），并利用该观察来指导下一步行动。循环持续到满足停止条件为止——通常是当智能体收集到足够信息以响应用户时。

主要特性¶

LangGraph 包含构建强大、生产就绪的智能体系统所必需的几项功能

• 记忆集成：原生支持短期（基于会话的）和长期（跨会话持久的）记忆，从而实现聊天机器人和助手的有状态行为。
• 人工干预控制：执行可以无限期地暂停，以等待人工反馈——这与受限于实时交互的基于 WebSocket 的解决方案不同。这使得在工作流的任何时候都能进行异步审批、纠正或干预。
• 流式传输支持：实时流式传输智能体状态、模型令牌、工具输出或组合流。
• 部署工具：包括无需基础设施的部署工具。LangGraph 平台支持测试、调试和部署。
• Studio：用于检查和调试工作流的可视化 IDE。
• 支持多种部署选项以用于生产环境。

高级构建块¶

LangGraph 提供了一套预构建组件，用于实现常见的智能体行为和工作流。这些抽象构建在 LangGraph 框架之上，提供了更快的生产路径，同时保持了高级定制的灵活性。

使用 LangGraph 进行智能体开发，您可以专注于应用程序的逻辑和行为，而不是构建和维护状态、记忆和人工反馈的支持基础设施。

包生态系统¶

高级组件被组织成几个包，每个包都有一个特定的重点。

可视化智能体图¶

使用以下工具可视化由createReactAgent生成的图，并查看相应代码的概要。它允许您探索智能体基础设施，根据以下存在情况进行定义：

• tools：智能体可以用来执行任务的工具（函数、API 或其他可调用对象）列表。
• preModelHook：在模型调用之前调用的函数。它可以用于精简消息或执行其他预处理任务。
• postModelHook：在模型调用之后调用的函数。它可以用于实现防护措施、人工干预流程或其他后处理任务。
• responseFormat：用于约束最终输出类型的数据结构（通过 Zod schemas）。

特性

工具 preModelHook postModelHook responseFormat

图

以下代码片段展示了如何使用createReactAgent创建上述智能体（及底层图）