概览

将 LangGraph 智能体渲染到前端

构建实时可视化 LangGraph 流水线的前端。这些模式展示了如何渲染多步骤图执行，包括每个节点的状态和来自自定义 StateGraph 工作流的流式输出内容。

架构

LangGraph 图由通过边连接的命名节点组成。每个节点执行一个步骤（分类、研究、分析、综合）并将输出写入特定的状态键。在前端，useStream 提供对节点输出、流式 Token 和图元数据的响应式访问，以便你可以将每个节点映射到一个 UI 卡片。

from langgraph.graph import StateGraph, MessagesState, START, END

class State(MessagesState):
    classification: str
    research: str
    analysis: str

graph = StateGraph(State)
graph.add_node("classify", classify_node)
graph.add_node("research", research_node)
graph.add_node("analyze", analyze_node)
graph.add_edge(START, "classify")
graph.add_edge("classify", "research")
graph.add_edge("research", "analyze")
graph.add_edge("analyze", END)

app = graph.compile()

在前端，useStream 通过 stream.values 暴露已完成的节点输出，通过 getMessagesMetadata 识别哪个节点产生了每个流式 Token。

import { useStream } from "@langchain/react";

function Pipeline() {
  const stream = useStream<typeof graph>({
    apiUrl: "http://localhost:2024",
    assistantId: "pipeline",
  });

  const classification = stream.values?.classification;
  const research = stream.values?.research;
  const analysis = stream.values?.analysis;
}

模式

图执行

可视化多步骤图流水线，包括每个节点的状态和流式输出内容。

相关模式

LangChain 前端模式——Markdown 消息、工具调用、乐观更新等——可与任何 LangGraph 图配合使用。无论你使用 createAgent、createDeepAgent 还是自定义 StateGraph，useStream hook 都提供相同的核心 API。

---

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 issue。