运行代理¶

代理支持同步和异步执行，可以使用 .invoke() / await .ainvoke() 获取完整响应，或使用 .stream() / .astream() 进行**增量**流式输出。本节介绍如何提供输入、解释输出、启用流式传输以及控制执行限制。

基本用法¶

代理主要有两种执行模式：

**同步**使用 .invoke() 或 .stream()
**异步**使用 await .ainvoke() 或与 .astream() 一起使用 async for

同步调用异步调用

from langgraph.prebuilt import create_react_agent

agent = create_react_agent(...)

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

from langgraph.prebuilt import create_react_agent

agent = create_react_agent(...)
response = await agent.ainvoke({"messages": [{"role": "user", "content": "what is the weather in sf"}]})

输入和输出¶

代理使用一个期望输入为 messages 列表的语言模型。因此，代理的输入和输出作为 messages 列表存储在代理状态中的 messages 键下。

输入格式¶

代理输入必须是一个包含 messages 键的字典。支持的格式有：

格式	示例
字符串	`{"messages": "Hello"}` — 解释为 HumanMessage
消息字典	`{"messages": {"role": "user", "content": "Hello"}}`
消息列表	`{"messages": [{"role": "user", "content": "Hello"}]}`
带自定义状态	`{"messages": [{"role": "user", "content": "Hello"}], "user_name": "Alice"}` — 如果使用自定义 `state_schema`

消息会自动转换为 LangChain 的内部消息格式。您可以在 LangChain 文档中阅读更多关于 LangChain 消息的信息。

python 您可以直接在输入字典中提供代理状态模式中定义的其他字段。这允许基于运行时数据或先前工具输出的动态行为。有关详细信息，请参阅上下文指南。 :::

python messages 的字符串输入会转换为 HumanMessage。此行为与 create_react_agent 中的 prompt 参数不同，后者在作为字符串传递时会被解释为 SystemMessage。 :::

!!!

输出格式¶

Agent 输出是一个包含以下内容的字典：

messages：执行期间交换的所有消息列表（用户输入、助手回复、工具调用）。
如果配置了结构化输出，则可选包含 structured_response。
如果使用自定义的 state_schema，输出中也可能存在与您定义的字段相对应的额外键。这些键可以保存来自工具执行或提示逻辑的更新状态值。

有关使用自定义状态模式和访问上下文的更多详细信息，请参阅上下文指南。

流式输出¶

Agent 支持流式响应，以实现更快速的应用程序响应。这包括：

每个步骤后的**进度更新**
LLM tokens 生成时
执行期间的**自定义工具消息**

流式响应在同步和异步模式下都可用：

Sync streamingAsync streaming

for chunk in agent.stream(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]},
    stream_mode="updates"
):
    print(chunk)

async for chunk in agent.astream(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]},
    stream_mode="updates"
):
    print(chunk)

Tip

有关完整详情，请参阅流式指南。

最大迭代次数¶

为控制代理执行并避免无限循环，请设置递归限制。这定义了代理在引发 GraphRecursionError 之前可以采取的最大步骤数。您可以在运行时或通过 .with_config() 定义代理时配置 recursion_limit：

运行时.with_config()

from langgraph.errors import GraphRecursionError
from langgraph.prebuilt import create_react_agent

max_iterations = 3
recursion_limit = 2 * max_iterations + 1
agent = create_react_agent(
    model="anthropic:claude-3-5-haiku-latest",
    tools=[get_weather]
)

try:
    response = agent.invoke(
        {"messages": [{"role": "user", "content": "what's the weather in sf"}]},
        {"recursion_limit": recursion_limit},
    )
except GraphRecursionError:
    print("代理因达到最大迭代次数而停止。")

from langgraph.errors import GraphRecursionError
from langgraph.prebuilt import create_react_agent

max_iterations = 3
recursion_limit = 2 * max_iterations + 1
agent = create_react_agent(
    model="anthropic:claude-3-5-haiku-latest",
    tools=[get_weather]
)
agent_with_recursion_limit = agent.with_config(recursion_limit=recursion_limit)

try:
    response = agent_with_recursion_limit.invoke(
        {"messages": [{"role": "user", "content": "what's the weather in sf"}]},
    )
except GraphRecursionError:
    print("代理因达到最大迭代次数而停止。")

其他资源¶

LangChain 中的异步编程