在图 API 和函数式 API 之间选择

LangGraph 提供两种不同的 API 来构建智能体工作流：图 API 和函数式 API。两种 API 共享相同的底层运行时，可以在同一个应用中一起使用，但它们是为不同的用例和开发偏好设计的。

本指南将帮助你根据具体需求了解何时使用每种 API。

快速决策指南

在以下情况使用图 API：

• 复杂的工作流可视化，用于调试和文档
• 显式状态管理，跨多个节点共享数据
• 条件分支，具有多个决策点
• 并行执行路径，需要在后续合并
• 团队协作，可视化表示有助于理解

在以下情况使用函数式 API：

• 对现有过程式代码的最小改动
• 标准控制流（if/else、循环、函数调用）
• 函数作用域的状态，无需显式状态管理
• 快速原型开发，更少的样板代码
• 线性工作流，具有简单的分支逻辑

详细对比

何时使用图 API

图 API 使用声明式方法，通过定义节点、边和共享状态来创建可视化的图结构。

1. 复杂的决策树和分支逻辑

当你的工作流有多个依赖于各种条件的决策点时，图 API 使这些分支显式化且易于可视化。

import * as z from "zod";
import {
  StateGraph,
  StateSchema,
  MessagesValue,
  START,
  END,
  type GraphNode,
  type ConditionalEdgeRouter,
} from "@langchain/langgraph";

// 图 API：决策路径的清晰可视化
const AgentState = new StateSchema({
  messages: MessagesValue,
  currentTool: z.string(),
  retryCount: z.number().default(0),
});

const shouldContinue: ConditionalEdgeRouter<typeof AgentState> = (state) => {
  if (state.retryCount > 3) {
    return END;
  } else if (state.currentTool === "search") {
    return "processSearch";
  } else {
    return "callLlm";
  }
};

const workflow = new StateGraph(AgentState)
  .addNode("callLlm", callLlmNode)
  .addNode("processSearch", searchNode)
  .addConditionalEdges("callLlm", shouldContinue);

2. 跨多个组件的状态管理

当你需要在工作流的不同部分之间共享和协调状态时，图 API 的显式状态管理非常有用。

import * as z from "zod";
import { StateSchema, type GraphNode } from "@langchain/langgraph";

// 多个节点可以访问和修改共享状态
const WorkflowState = new StateSchema({
  userInput: z.string(),
  searchResults: z.array(z.string()).default([]),
  generatedResponse: z.string().optional(),
  validationStatus: z.string().optional(),
});

const searchNode: GraphNode<typeof WorkflowState> = async (state) => {
  // 访问共享状态
  const results = await search(state.userInput);
  return { searchResults: results };
};

const validationNode: GraphNode<typeof WorkflowState> = async (state) => {
  // 访问前一个节点的结果
  const isValid = await validate(state.generatedResponse);
  return { validationStatus: isValid ? "valid" : "invalid" };
};

3. 带同步的并行处理

当你需要并行运行多个操作然后合并结果时，图 API 可以自然地处理这种情况。

import { START } from "@langchain/langgraph";

// 多个数据源的并行处理
workflow
  .addNode("fetchNews", fetchNews)
  .addNode("fetchWeather", fetchWeather)
  .addNode("fetchStocks", fetchStocks)
  .addNode("combineData", combineAllData)
  // 所有获取操作并行运行
  .addEdge(START, "fetchNews")
  .addEdge(START, "fetchWeather")
  .addEdge(START, "fetchStocks")
  // 合并等待所有并行操作完成
  .addEdge("fetchNews", "combineData")
  .addEdge("fetchWeather", "combineData")
  .addEdge("fetchStocks", "combineData");

4. 团队开发和文档

图 API 的可视化特性使团队更容易理解、记录和维护复杂的工作流。

// 关注点清晰分离——每个团队成员可以在不同的节点上工作
workflow
  .addNode("dataIngestion", dataTeamFunction)
  .addNode("mlProcessing", mlTeamFunction)
  .addNode("businessLogic", productTeamFunction)
  .addNode("outputFormatting", frontendTeamFunction);

何时使用函数式 API

函数式 API 使用命令式方法，将 LangGraph 功能集成到标准过程式代码中。

1. 现有的过程式代码

当你有使用标准控制流的现有代码，并希望以最小的重构添加 LangGraph 功能时。

import { task, entrypoint } from "@langchain/langgraph";

// 函数式 API：对现有代码的最小改动
const processUserInput = task(
  "processUserInput",
  async (userInput: string) => {
    // 现有函数，改动最小
    return { processed: userInput.toLowerCase().trim() };
  }
);

const workflow = entrypoint(
  { checkpointer },
  async (userInput: string) => {
    // 标准控制流
    const processed = await processUserInput(userInput);

    let response: string;
    if (processed.processed.includes("urgent")) {
      response = await handleUrgentRequest(processed);
    } else {
      response = await handleNormalRequest(processed);
    }

    return response;
  }
);

2. 具有简单逻辑的线性工作流

当你的工作流主要是顺序执行的，具有简单的条件逻辑时。

import { entrypoint, interrupt } from "@langchain/langgraph";

const essayWorkflow = entrypoint(
  { checkpointer },
  async (topic: string) => {
    // 具有简单分支的线性流程
    let outline = await createOutline(topic);

    if (outline.points.length < 3) {
      outline = await expandOutline(outline);
    }

    const draft = await writeDraft(outline);

    // 人工审核检查点
    const feedback = interrupt({ draft, action: "请审核" });

    let finalEssay: string;
    if (feedback === "approve") {
      finalEssay = draft;
    } else {
      finalEssay = await reviseEssay(draft, feedback);
    }

    return { essay: finalEssay };
  }
);

3. 快速原型开发

当你想快速测试想法，而不需要定义状态模式和图结构的开销时。

import { entrypoint } from "@langchain/langgraph";

const quickPrototype = entrypoint(
  { checkpointer },
  async (data: Record<string, unknown>) => {
    // 快速迭代——不需要状态模式
    const step1Result = await processStep1(data);
    const step2Result = await processStep2(step1Result);

    return { finalResult: step2Result };
  }
);

4. 函数作用域的状态管理

当你的状态自然地局限于单个函数，不需要广泛共享时。

import { task, entrypoint } from "@langchain/langgraph";

const analyzeDocument = task("analyzeDocument", async (document: string) => {
  // 函数内的局部状态管理
  const sections = extractSections(document);
  const summaries = await Promise.all(sections.map(summarize));
  const keyPoints = extractKeyPoints(summaries);

  return {
    sections: sections.length,
    summaries,
    keyPoints,
  };
});

const documentProcessor = entrypoint(
  { checkpointer },
  async (document: string) => {
    const analysis = await analyzeDocument(document);
    // 状态按需在函数之间传递
    return await generateReport(analysis);
  }
);

组合使用两种 API

你可以在同一个应用中同时使用两种 API。当系统的不同部分有不同的需求时，这非常有用。

import * as z from "zod";
import {
  StateGraph,
  StateSchema,
  entrypoint,
  type GraphNode,
} from "@langchain/langgraph";

// 为复杂的多智能体协调定义状态
const CoordinationState = new StateSchema({
  rawData: z.record(z.string(), z.unknown()),
  processedData: z.record(z.string(), z.unknown()).optional(),
});

// 使用函数式 API 进行简单数据处理
const dataProcessor = entrypoint({}, async (rawData: Record<string, unknown>) => {
  const cleaned = await cleanData(rawData);
  const transformed = await transformData(cleaned);
  return transformed;
});

// 在图中使用函数式 API 的结果
const orchestratorNode: GraphNode<typeof CoordinationState> = async (state) => {
  const processedData = await dataProcessor.invoke(state.rawData);
  return { processedData };
};

// 使用图 API 进行复杂的多智能体协调
const coordinationGraph = new StateGraph(CoordinationState)
  .addNode("orchestrator", orchestratorNode)
  .addNode("agentA", agentANode)
  .addNode("agentB", agentBNode);

API 之间的迁移

从函数式 API 迁移到图 API

当你的函数式工作流变得复杂时，可以迁移到图 API：

import * as z from "zod";
import { entrypoint } from "@langchain/langgraph";

// 之前：函数式 API
const complexWorkflow = entrypoint(
  { checkpointer },
  async (inputData: Record<string, unknown>) => {
    const step1 = await processStep1(inputData);

    let result: unknown;
    if (step1.needsAnalysis) {
      const analysis = await analyzeData(step1);
      if (analysis.confidence > 0.8) {
        result = await highConfidencePath(analysis);
      } else {
        result = await lowConfidencePath(analysis);
      }
    } else {
      result = await simplePath(step1);
    }

    return result;
  }
);

// 之后：图 API
import {
  StateGraph,
  StateSchema,
  type GraphNode,
  type ConditionalEdgeRouter,
} from "@langchain/langgraph";

const WorkflowState = new StateSchema({
  inputData: z.record(z.string(), z.unknown()),
  step1Result: z.record(z.string(), z.unknown()).optional(),
  analysis: z.record(z.string(), z.unknown()).optional(),
  finalResult: z.unknown().optional(),
});

const shouldAnalyze: ConditionalEdgeRouter<typeof WorkflowState> = (state) => {
  return state.step1Result?.needsAnalysis ? "analyze" : "simplePath";
};

const confidenceCheck: ConditionalEdgeRouter<typeof WorkflowState> = (state) => {
  return (state.analysis?.confidence as number) > 0.8
    ? "highConfidence"
    : "lowConfidence";
};

const workflow = new StateGraph(WorkflowState)
  .addNode("step1", processStep1Node)
  .addConditionalEdges("step1", shouldAnalyze)
  .addNode("analyze", analyzeDataNode)
  .addConditionalEdges("analyze", confidenceCheck);
// ... 添加剩余的节点和边

从图 API 迁移到函数式 API

当你的图对于简单的线性流程变得过度工程化时：

import { z } from "zod/v4";
import { StateGraph, StateSchema, entrypoint } from "@langchain/langgraph";

// 之前：过度工程化的图 API
const SimpleState = new StateSchema({
  input: z.string(),
  step1: z.string().optional(),
  step2: z.string().optional(),
  result: z.string().optional(),
});

// 之后：简化的函数式 API
const simpleWorkflow = entrypoint(
  { checkpointer },
  async (inputData: string) => {
    const step1 = await processStep1(inputData);
    const step2 = await processStep2(step1);
    return await finalizeResult(step2);
  }
);

总结

当你需要对工作流结构的显式控制、复杂分支、并行处理或团队协作优势时，选择图 API。

当你想以最小的改动为现有代码添加 LangGraph 功能、有简单的线性工作流或需要快速原型开发能力时，选择函数式 API。

两种 API 提供相同的核心 LangGraph 功能（持久化、流式输出、人机协作、记忆），但以不同的范式包装它们以适应不同的开发风格和用例。

---

将这些文档连接到 Claude、VSCode 等工具，通过 MCP 获取实时答案。

在 GitHub 上编辑此页面 或 提交问题。