LangGraph

LangGraph Logo

LangGraph 是一个用于构建、管理和部署长期运行、有状态代理的低级编排框架，深受塑造代理未来的公司信赖——包括 Klarna、Replit、Elastic 等。

开始¶

安装 LangGraph：

pip install -U langgraph

然后，使用预构建组件创建一个代理：

^{API Reference: create_react_agent}

# pip install -qU "langchain[anthropic]" to call the model

from langgraph.prebuilt import create_react_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_weather],
    prompt="You are a helpful assistant"
)

# Run the agent
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)

有关更多信息，请参阅快速入门。或者，要了解如何使用可自定义的架构、长期记忆和其他复杂任务处理来构建代理工作流，请参阅 LangGraph 基础教程。

核心优势¶

LangGraph 为任何长期运行、有状态的工作流或代理提供低级支持基础。LangGraph 不会抽象化提示或架构，并具有以下核心优势：

持久执行：构建可从故障中恢复、可长时间运行的代理，并能自动从中断处精确地恢复执行。
人工干预：通过在执行的任何阶段检查和修改代理状态，无缝地纳入人工监督。
全面的记忆：创建真正有状态的代理，既有用于持续推理的短期工作记忆，也有跨会话的长期持久记忆。
使用 LangSmith 进行调试：通过强大的可视化工具深入了解复杂的代理行为，这些工具可以追踪执行路径、捕获状态转换并提供详细的运行时指标。
生产就绪的部署：使用专为处理有状态、长期运行工作流的独特挑战而设计的可扩展基础架构，自信地部署复杂的代理系统。

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，为开发人员提供一套完整的代理构建工具。为了改进您的 LLM 应用开发，请将 LangGraph 与以下工具搭配使用：

LangSmith — 有助于代理评估和可观察性。调试表现不佳的 LLM 应用运行，评估代理轨迹，获得生产环境的可视性，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代理。在团队之间发现、重用、配置和共享代理——并通过 LangGraph Studio 进行可视化原型设计，快速迭代。
LangChain – 提供集成和可组合的组件，以简化 LLM 应用开发。

Note

正在寻找 LangGraph 的 JS 版本？请参阅 JS 仓库和 JS 文档。

附加资源¶

指南：关于流式处理、添加记忆和持久性以及设计模式（例如分支、子图等）的主题的快速、可操作的代码片段。
参考：关于核心类、方法、如何使用图和检查点 API 以及更高级的预构建组件的详细参考。
示例：关于开始使用 LangGraph 的指导性示例。
LangChain Academy：在我们的免费结构化课程中学习 LangGraph 的基础知识。
模板：常用的代理工作流（例如 ReAct 代理、记忆、检索等）的预构建参考应用程序，可以克隆和改编。
案例研究：了解行业领导者如何使用 LangGraph 来大规模发布 AI 应用程序。

致谢¶

LangGraph 的灵感来源于 Pregel 和 Apache Beam。其公共接口的设计受到了 NetworkX 的启发。LangGraph 由 LangChain 的创建者 LangChain Inc. 构建，但也可在不使用 LangChain 的情况下使用。