概述

在每个步骤控制和自定义智能体执行

中间件提供了一种更精细控制智能体内部行为的方式。中间件适用于以下场景：

• 通过日志记录、分析和调试来追踪智能体行为。
• 转换提示词、工具选择和输出格式化。
• 添加重试、降级和提前终止逻辑。
• 应用速率限制、防护栏和 PII 检测。

通过将中间件传递给 create_agent 来添加中间件：

from langchain.agents import create_agent
from langchain.agents.middleware import SummarizationMiddleware, HumanInTheLoopMiddleware

agent = create_agent(
    model="gpt-5.4",
    tools=[...],
    middleware=[
        SummarizationMiddleware(...),
        HumanInTheLoopMiddleware(...)
    ],
)

智能体循环

核心智能体循环包括调用模型、让模型选择要执行的工具，然后在不再调用工具时结束：

中间件在这些步骤的前后暴露了钩子：

在 LangGraph 工作流中使用中间件

中间件不是一个独立的运行时：钩子运行在 create_agent 返回的已编译 LangGraph 内部。你可以将整个智能体（包括中间件）作为节点或子图放入更大的 StateGraph 中，所有中间件钩子将继续运行。

当外围拓扑结构超出标准的”循环直到完成”模式时，可以使用这种模式：在路由到多个智能体之一之前对输入进行分类、并行分发工作，或者将智能体调用与确定性步骤串联起来。

HumanInTheLoopMiddleware 根据每个工具的 .name 进行匹配。在 Python 中，@tool 装饰的函数从函数名获取名称（因此下面的键是 "send_email"）；在 TypeScript 中，键匹配你传递给 tool({...}, { name }) 的 name。

from langchain.agents import AgentState, create_agent
from langchain.agents.middleware import HumanInTheLoopMiddleware
from langgraph.graph import START, StateGraph

# 假设 read_email、send_email、classify_node 和 route 已在其他地方定义。
email_agent = create_agent(
    model="claude-sonnet-4-6",
    tools=[read_email, send_email],
    middleware=[HumanInTheLoopMiddleware(interrupt_on={"send_email": True})],
)

graph = (
    StateGraph(AgentState)
    .add_node("classify", classify_node)
    .add_node("email_agent", email_agent)
    .add_edge(START, "classify")
    .add_conditional_edges("classify", route)
    .compile()
)

人机协作中断、摘要、PII 脱敏、重试以及任何自定义钩子都会随智能体节点一起传递。有关完整的组合模式（包括子图检查点作用域——按调用还是按线程），请参阅使用子图。

更多资源

内置中间件

探索常见用例的内置中间件。

自定义中间件

使用钩子和装饰器构建你自己的中间件。

中间件 API 参考

中间件的完整 API 参考。

中间件集成

Anthropic、AWS、OpenAI 等提供商特定的中间件。

测试智能体

使用 LangSmith 测试你的智能体。

---

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。