Langgraph¶

版本 0.2.6

LangGraph Logo

受到塑造未来代理的公司信任——包括 Klarna、Replit、Elastic 等——LangGraph 是一个低级别的编排框架，用于构建、管理和部署长期运行的有状态代理。

开始使用¶

安装 LangGraph:

pip install -U langgraph

然后，创建一个使用预构建组件的代理：

^{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"}]}
)

为了获取更多信息，请查看快速入门。或者，想要了解如何构建具有可定制架构、长期记忆和其他复杂任务处理的代理工作流，请查看 LangGraph 基础教程。

核心优势¶

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

持久执行: 构建能够在故障中持续运行的代理，并且可以在长时间内运行，自动从中断处恢复。
人机协作: 在执行过程中随时无缝地纳入人类监督，通过检查和修改代理状态。
全面记忆: 创建真正有状态的代理，具备短期工作记忆以进行持续推理，以及跨会话的长期持久记忆。
使用 LangSmith 调试: 通过可视化工具深入了解复杂代理行为，追踪执行路径，捕获状态转换，并提供详细的运行时指标。
生产就绪部署: 自信地部署复杂的代理系统，利用可扩展基础设施应对有状态、长期运行工作流的独特挑战。

LangGraph 的生态系统¶

虽然 LangGraph 可以独立使用，但它也可以与任何 LangChain 产品无缝集成，为开发人员提供构建代理的完整工具套件。为了提升您的 LLM 应用开发，将 LangGraph 与以下工具配对：

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，获取生产中的可见性，并随着时间的推移改善性能。
LangGraph 平台 — 轻松部署和扩展代理，专为长期运行的有状态工作流设计的部署平台。发现、重用、配置和跨团队共享代理，并通过 LangGraph Studio 进行快速迭代和可视化原型设计。
LangChain – 提供集成和可组合组件，以简化 LLM 应用开发。

Note

Looking for the JS version of LangGraph? See the JS repo and the JS docs.

其他资源¶

指南: 快速、可操作的代码片段，涵盖流媒体、添加记忆与持久性、设计模式（例如分支、子图等）等主题。
参考: 核心类、方法、如何使用图形和检查点 API 以及更高级的预构建组件的详细参考。
示例: 关于如何开始使用 LangGraph 的指导示例。
LangChain 论坛: 与社区联系，分享您的所有技术问题、想法和反馈。
LangChain 学院: 在我们的免费结构化课程中学习 LangGraph 的基础知识。
模板: 预构建的参考应用程序，适用于常见的代理工作流程（例如 ReAct 代理、记忆、检索等），可以克隆和调整。
案例研究: 了解行业领袖如何使用 LangGraph 大规模交付 AI 应用程序。

致谢¶

LangGraph 的灵感来源于 Pregel 和 Apache Beam。公共接口受到 NetworkX 的启发。LangGraph 由 LangChain Inc 构建，LangChain 的创始人，但可以在没有 LangChain 的情况下使用。