LangGraph 概述 - 以编程方式使用文档

LangGraph 是一个低级编排框架和运行时，用于构建、管理和部署长时间运行的有状态代理，受到塑造代理未来的公司（包括 Klarna、Uber、J.P. Morgan 等）的信赖。

LangGraph 是非常低级的，完全专注于代理 **编排**。在使用 LangGraph 之前，我们建议您熟悉一些用于构建代理的组件，从模型和工具.

我们通常会使用 LangChain 文档中的组件来集成模型和工具，但您不需要使用 LangChain 来使用 LangGraph。如果您是代理的新手或想要更高级的抽象，我们建议您使用 LangChain 的代理它为常见的 LLM 和工具调用循环提供预构建架构。

LangGraph 专注于对代理编排重要的底层能力：持久执行、流式处理、人工介入等。

how LangChain products fit together

- 深度代理 is an 代理测试框架：在 LangGraph 之上的规划、子代理、文件系统工具和上下文管理。
- LangChain 是代理框架：用于模型、工具和代理循环的抽象和集成。
- LangGraph 是编排运行时：持久执行、流式处理、人工介入和持久化。
- LangSmith 是跨框架的追踪、评估、提示和部署平台。
- LangSmith Engine 检测 LangGraph 代理追踪中的问题并提出修复建议。您可以直接从 Engine 选项卡打开包含建议修复的拉取请求。
- LangSmith Fleet 是用于模板、集成和流程自动化的无代码代理构建器。

阅读框架、运行时和测试框架以了解开源技术栈的比较。

安装

npm install @langchain/langgraph @langchain/core

pnpm add @langchain/langgraph @langchain/core

yarn add @langchain/langgraph @langchain/core

bun add @langchain/langgraph @langchain/core

然后，创建一个简单的 hello world 示例：

const State = new StateSchema({
  messages: MessagesValue,
});

const mockLlm: GraphNode<typeof State> = (state) => {
  return { messages: [{ role: "ai", content: "hello world" }] };
};

const graph = new StateGraph(State)
  .addNode("mock_llm", mockLlm)
  .addEdge(START, "mock_llm")
  .addEdge("mock_llm", END)
  .compile();

await graph.invoke({ messages: [{ role: "user", content: "hi!" }] });

核心优势

LangGraph 为 *任何* 长时间运行的有状态工作流或代理提供低级支持基础设施。LangGraph 不抽象提示或架构，并提供以下核心优势：

* 持久性：构建能够在失败中持续运行并长时间执行的智能体，从中断处恢复。
* Human-in-the-loop：通过在任何时点检查和修改智能体状态来引入人工监督。
* 全面记忆：创建有状态的智能体，同时具备用于持续推理的短期工作记忆和跨会话的长期记忆。
* 使用 LangSmith 进行调试：通过可视化工具深入了解复杂的智能体行为，这些工具可追踪执行路径、捕获状态转换并提供详细的运行时指标。
* 生产级部署：使用可扩展的基础设施自信地部署复杂的智能体系统，该基础设施专为处理有状态的长时间运行工作流的独特挑战而设计。

LangGraph 生态系统

虽然 LangGraph 可以独立使用，但它也能与任何 LangChain 产品无缝集成，为开发者提供构建智能体的完整工具套件。为了提升您的 LLM 应用开发体验，请将 LangGraph 与以下产品结合使用：

致谢

LangGraph 的灵感来自 Pregel 和 Apache Beam。公共接口借鉴了 NetworkX。LangGraph 由 LangChain 的创建者 LangChain Inc 构建，但可以在不使用 LangChain 的情况下使用。

how LangChain products fit together

安装

核心优势

LangGraph 生态系统

LangSmith Observability

LangSmith Deployment

LangChain

致谢