模型¶ 本页面描述了如何配置代理使用的聊天模型。 工具调用支持¶ 要启用工具调用代理，底层 LLM 必须支持工具调用。 兼容模型可在LangChain 集成目录中找到。 按名称指定模型¶ 您可以使用模型名称字符串配置代理 <span id="__span-0-1">import os <span id="__span-0-2">from langgraph.prebuilt import create_react_agent <span id="__span-0-3"> <span id="__span-0-4">os.environ["OPENAI_API_KEY"] = "sk-..." <span id="__span-0-5"> <span id="__span-0-6">agent = create_react_agent( <span id="__span-0-7"> model="openai:gpt-4.1", <span id="__span-0-8"> # other parameters <span id="__span-0-9">) 使用 init_chat……

使用 LangGraph 进行代理开发¶ LangGraph 提供了低级原语和高级预构建组件，用于构建基于代理的应用程序。本节重点介绍旨在帮助您快速可靠地构建代理系统而无需从头实现编排、内存或人工反馈处理的预构建、可重用组件。 什么是代理？¶ 一个_代理_由三个组件组成：一个大型语言模型 (LLM)、一套可供其使用的工具，以……

多代理系统¶ 一个代理是一个_使用大型语言模型（LLM）来决定应用程序控制流的系统_。随着这些系统的开发，它们可能会随着时间变得越来越复杂，从而更难管理和扩展。例如，你可能会遇到以下问题： 代理拥有的工具过多，在决定下一步调用哪个工具时做出糟糕的决策 上下文变得过于复杂，单个代理难以跟……

工具¶ 许多 AI 应用程序直接与人类交互。在这些情况下，模型以自然语言响应是合适的。但如果我们需要模型与数据库或 API 等系统进行_直接_交互呢？这些系统通常有特定的输入模式；例如，API 通常有必需的负载结构。您可以使用工具调用来请求符合特定模式的模型响应。 工具是一种封装函数及其输入模式的方……

指南 参考 示例 资源 时间旅行 ⏱️¶ 在使用非确定性系统（例如由 LLM 驱动的代理）进行基于模型的决策时，详细检查其决策过程会非常有用。 🤔 理解推理：分析导致成功结果的步骤。 🐞 调试错误：识别错误发生的位置和原因。 🔍 探索替代方案：测试不同的路径以发现更好的解决方案。 LangGraph 提供时间旅行功能来支持这些用例……

指南 参考 示例 资源 断点¶ 断点可以在定义的点暂停图执行，并让你逐步完成每个阶段。它们使用 LangGraph 的持久层，该层在每一步后保存图状态。 使用断点，你可以随时检查图的状态和节点输入。执行会无限期暂停，直到你恢复，因为检查点会保留状态。 一个由 3 个顺序步骤组成的示例图，在 step_3 之前有一个断点。……

指南 参考 示例 资源 人工参与循环¶ LangGraph 支持强大的**人工参与循环（HIL）**工作流，允许在自动化过程中的任何环节进行人工干预。这在大型语言模型（LLM）驱动的应用程序中尤其有用，因为模型输出可能需要验证、更正或额外的上下文。 主要功能¶ 持久化执行状态：LangGraph 在每个步骤后都会……

内存¶ 什么是内存？¶ 内存是一种认知功能，它使人们能够存储、检索和使用信息来理解他们的现在和未来。想想看，与一个总是忘记你告诉他们的事情、需要不断重复的同事共事是多么令人沮丧！随着AI代理承担涉及大量用户交互的更复杂任务，为它们配备内存对于效率和用户满意度同样至关重要。通过内存，代……

流式传输¶ LangGraph 实现了一个流式传输系统，以提供实时更新，从而实现响应迅速且透明的用户体验。 LangGraph 的流式传输系统允许您将图运行的实时反馈呈现在您的应用程序中。 您可以流式传输的数据主要有三类 工作流进度 — 在每个图节点执行后获取状态更新。 LLM 令牌 — 在语言模型令牌生成时进行流式传输。 自定义更新 — 发出……

图 API 概念¶ 图¶ LangGraph 的核心是将代理工作流建模为图。您可以使用三个关键组件来定义代理的行为： State：一个共享数据结构，表示应用程序的当前快照。它可以是任何 Python 类型，但通常是 TypedDict 或 Pydantic BaseModel。 Nodes：编码代理逻辑的 Python 函数。它们接收当前的 State 作为输入，执行一些计算或副作用，并返……