API 参考

🦜🕸️LangGraph.js

Docs Version
Downloads Open Issues

[!NOTE] 正在寻找 Python 版本？请参阅 Python 仓库和 Python 文档。

LangGraph——Replit、Uber、LinkedIn、GitLab 等公司都在使用——是一个低级别的编排框架，用于构建可控的 Agent。虽然 langchain 提供了集成和可组合组件来简化 LLM 应用开发，但 LangGraph 库实现了 Agent 编排——提供了可定制的架构、长期记忆和人机协作，以可靠地处理复杂任务。

npm install @langchain/langgraph @langchain/core

要了解有关如何使用 LangGraph 的更多信息，请查阅文档。我们在下方展示了一个创建 ReAct Agent 的简单示例。

// npm install @langchain-anthropic
import { createReactAgent } from "@langchain/langgraph/prebuilt";
import { ChatAnthropic } from "@langchain/anthropic";
import { tool } from "@langchain/core/tools";

import { z } from "zod";

const search = tool(async ({ query }) => {
  if (query.toLowerCase().includes("sf") || query.toLowerCase().includes("san francisco")) {
    return "It's 60 degrees and foggy."
  }
  return "It's 90 degrees and sunny."
}, {
  name: "search",
  description: "Call to surf the web.",
  schema: z.object({
    query: z.string().describe("The query to use in your search."),
  }),
});

const model =  new ChatAnthropic({
  model: "claude-3-7-sonnet-latest"
});

const agent = createReactAgent({
  llm: model,
  tools: [search],
});

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

全栈快速入门

使用 create-agent-chat-app CLI 快速开始构建全栈 LangGraph 应用

npx create-agent-chat-app@latest

CLI 会设置一个聊天界面并帮助您配置应用，包括：

  • 🧠 4 种预构建 Agent 的选择（ReAct、Memory、Research、Retrieval）
  • 🌐 前端框架（Next.js 或 Vite）
  • 📦 包管理器（npm、yarn 或 pnpm）

为什么使用 LangGraph？

LangGraph 专为希望构建强大、适应性强的 AI Agent 的开发者而设计。开发者选择 LangGraph 的原因是：

  • 可靠性和可控性。 通过审核检查和人机协作批准来引导 Agent 操作。LangGraph 为长期工作流保留上下文，使您的 Agent 保持正轨。
  • 低级别和可扩展。 使用完全描述性的低级别原语构建自定义 Agent——摆脱限制自定义的僵化抽象。设计可扩展的多 Agent 系统，每个 Agent 都服务于特定角色，并根据您的用例进行定制。
  • 一流的流式支持。 通过逐令牌流式传输和中间步骤流式传输，LangGraph 让用户能够清晰地了解 Agent 实时展开的推理和操作。

LangGraph 在生产环境中受到信任，并为以下公司提供 Agent 支持：

LangGraph 生态系统

虽然 LangGraph 可以独立使用，但它也可以与任何 LangChain 产品无缝集成，为开发者提供构建 Agent 的全套工具。为了改进您的 LLM 应用开发，可以将 LangGraph 与以下工具配对使用：

  • LangSmith——有助于 Agent 评估和可观测性。调试性能不佳的 LLM 应用运行，评估 Agent 轨迹，获取生产环境可见性，并随时间推移提高性能。
  • LangGraph Platform——使用专为长期运行、有状态工作流设计的部署平台，轻松部署和扩展 Agent。在团队间发现、重用、配置和共享 Agent——并在 LangGraph Studio 中通过可视化原型快速迭代。

与 LangGraph Platform 配对使用

LangGraph 是我们的开源 Agent 编排框架，而需要可扩展 Agent 部署的企业可以受益于 LangGraph Platform。

LangGraph Platform 可以帮助工程团队：

  • 加速 Agent 开发：使用可配置模板和 LangGraph Studio 快速创建 Agent UX，用于可视化和调试 Agent 交互。
  • 无缝部署：我们负责处理 Agent 部署的复杂性。LangGraph Platform 包含用于记忆、线程和定时任务的强大 API，以及自动伸缩的任务队列和服务器。
  • 集中式 Agent 管理与重用：在整个组织中发现、重用和管理 Agent。业务用户也可以在无需编码的情况下修改 Agent。

额外资源

  • LangChain Academy：在我们免费的结构化课程中学习 LangGraph 的基础知识。
  • 教程：带有指导性示例的简单指南，介绍如何开始使用 LangGraph。
  • 模板：针对常见 Agent 工作流（例如 ReAct Agent、记忆、检索等）的预构建参考应用，可以克隆和调整。
  • 操作指南：针对流式传输、添加记忆与持久化以及设计模式（例如分支、子图等）等主题的快速、可操作的代码片段。
  • API 参考：关于核心类、方法、如何使用图和检查点 API 以及更高级别的预构建组件的详细参考。
  • 基于 LangGraph 构建：听取行业领导者如何使用 LangGraph 发布强大、生产就绪的 AI 应用。

致谢

LangGraph 的灵感来源于 Pregel 和 Apache Beam。公共接口借鉴了 NetworkX。LangGraph 由 LangChain 的创建者 LangChain Inc 构建，但可以独立于 LangChain 使用。

设置

成员可见性

主题

本页内容

🦜🕸️LangGraph.js