LangGraph 概述

使用 LangGraph 获得对智能体的控制力，设计能可靠处理复杂任务的智能体

受到 Klarna、Uber、J.P. Morgan 等塑造智能体未来的公司信赖，LangGraph 是一个底层编排框架和运行时，用于构建、管理和部署长期运行的有状态智能体。

LangGraph 非常底层，完全专注于智能体的编排。在使用 LangGraph 之前，我们建议您先熟悉用于构建智能体的一些组件，从模型和工具开始。

我们将在文档中经常使用 LangChain 组件来集成模型和工具，但使用 LangGraph 并不需要使用 LangChain。如果您刚开始接触智能体或想要更高级的抽象，我们建议您使用 LangChain 的智能体，它提供了常见 LLM 和工具调用循环的预构建架构。

LangGraph 专注于智能体编排中重要的底层能力：持久执行、流式输出、人机协作等。

Show LangChain 产品如何协同工作

• Deep Agents 是一个智能体工具套件：在 LangGraph 之上提供规划、子智能体、文件系统工具和上下文管理。
• LangChain 是智能体框架：为模型、工具和智能体循环提供抽象和集成。
• LangGraph 是编排运行时：提供持久执行、流式输出、人机协作和持久化。
• LangSmith 是用于追踪、评估、提示词和跨框架部署的平台。
• LangSmith Fleet 是用于模板、集成和日常自动化的无代码智能体构建器。

阅读框架、运行时和工具套件了解开源技术栈的对比。

安装

pip

pip install -U langgraph

然后，创建一个简单的 hello world 示例：

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

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

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

使用 LangSmith 追踪请求、调试智能体行为并评估输出。设置 LANGSMITH_TRACING=true 和您的 API 密钥即可开始。

核心优势

LangGraph 为任何长期运行的有状态工作流或智能体提供底层支撑基础设施。LangGraph 不对提示词或架构进行抽象，而是提供以下核心优势：

• 持久执行：构建能够在故障中持久化并长时间运行的智能体，从中断处恢复执行。
• 人机协作：通过在任意点检查和修改智能体状态来纳入人工监督。
• 全面的记忆：创建有状态的智能体，既有用于持续推理的短期工作记忆，也有跨会话的长期记忆。
• 使用 LangSmith 调试：通过可视化工具深入了解复杂的智能体行为，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：自信地部署复杂的智能体系统，采用可扩展的基础设施，专为处理有状态、长期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。要改善您的 LLM 应用开发体验，请将 LangGraph 与以下产品配合使用：

LangSmith 可观测性

在一处追踪请求、评估输出和监控部署。使用 LangGraph 在本地进行原型开发，然后通过集成的可观测性和评估功能迁移到生产环境，构建更可靠的智能体系统。

了解更多

LangSmith 部署

使用专为长期运行的有状态工作流构建的部署平台，轻松部署和扩展智能体。跨团队发现、复用、配置和共享智能体——并通过 Studio 中的可视化原型快速迭代。

了解更多

LangChain

提供集成和可组合组件以简化 LLM 应用开发。包含构建在 LangGraph 之上的智能体抽象。

了解更多

致谢

LangGraph 受到 Pregel 和 Apache Beam 的启发。公共接口的设计灵感来自 NetworkX。LangGraph 由 LangChain Inc（LangChain 的创建者）构建，但可以在不使用 LangChain 的情况下使用。

---

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

在 GitHub 上编辑此页面或提交问题。