What is LangGraph used for?

LangGraph is used to build reliable agent and multi-agent workflows with explicit control flow, persistent state, and checkpoints. It’s ideal for loops, tool use, human-in-the-loop steps, and complex orchestration.

How do I install and set up LangGraph?

Install with `pip install langgraph langchain` (Python) or `npm i @langchain/langgraph langchain` (JS/TS). Configure your LLM provider (e.g., `OPENAI_API_KEY`) and start by defining a `State`, nodes, and conditional edges.

Is LangGraph different from LangChain?

Yes. LangGraph is a separate package that focuses on graph-based orchestration and stateful, resumable workflows. It complements LangChain’s models, tools, and integrations, adding determinism and reliability.

Can I build multi-agent systems with LangGraph?

Absolutely. LangGraph supports supervisor–worker patterns, debate or committee agents, and policy gates. You route between agents via conditional edges and maintain shared or segmented state.

How do I prevent infinite loops in LangGraph?

Define clear termination conditions and always provide an `END` path in routers. Add loop counters or timeouts in state, prune messages, and write unit tests to verify routing logic.

Kuidas kasutada LangGraphi: praktiline juhend usaldusväärsete tehisintellekti agentide loomiseks

Kui olete proovinud agentpõhiseid töövooge ehitada tavapäraste ahelate ja tööriistadega, olete tõenäoliselt kokku jooksnud piirangutega – ebakindlad silmused, haprad voolu juhtimismehhanismid ja keeruline oleku silumine. LangGraph muudab selle, pakkudes teile graafikupõhist viisi agentide käitumise kujundamiseks, juhtimiseks ja jälgimiseks koos püsivuse ja kaitsemehhanismidega.

Selles praktilises juhendis õpite, kuidas LangGraphi algusest kuni tootmisküpsuseni kasutada: mis see on, kuidas graafiku mudel töötab ning kuidas ehitada, testida ja iteratiivselt täiustada reaalseid agenttöövooge – üksikagenti ja mitmeagenti lahendusi – kasutades Pythoni või JavaScripti.

Tasub mainida: kui koostate käske, loote voogude diagramme või redigeerite koodi koos AI assistendiga, võib Sider.AI kiirendada teie LangGraphi iteratsioone (käskude täpsustamine, üksustestid, dokumentatsiooni otsimine) otse brauseris. Lisateabe saamiseks külastage https://sider.ai/.

Mis on LangGraph ja miks seda kasutada?

LangGraph on raamistik agentpõhiste ja mitme agentiga suurte keelemudelite rakenduste loomiseks, mis võimaldab selget voolu juhtimist, püsivat olekut ja sündmustepõhist jälgimist. See kuulub LangChaini ökosüsteemi, kuid on hooldatud eraldi paketina. Arendajad valivad selle, et muuta agentid usaldusväärsemaks ja paremini juhitavaks, kasutades funktsioone nagu deterministlikud ühendused, jätkufunktsioonid ja selge vaimne mudel keerukate silmuste ja tööriistakasutuse jaoks.

Peamised põhjused, miks meeskonnad kasutavad LangGraphi:

Usaldusväärsus ja kaitsemehhanismid: defineeri täpselt, millal agent saab tegutseda, abi paluda või üle anda.

Jätkamisvõime: tee olekust kontrollpunkte, taastu vigadest ja jätka sealt, kus pooleli jäi.

Mitme agenti mustrid: kombineeri spetsialiste, korralda debatte või järelevalve–töötaja töövooge.

Jälgitavus: sündmuste vood ja oleku hetktõmmised teevad silumise arusaadavaks.

Kui eelistate struktureeritud õppimist, on ametlik LangGraphi sissejuhatus suurepärane alguspunkt. Samuti on olemas terviklik algajasõbralik videokursus, mis käsitleb keerukaid vestlusintellekti töövooge.

Põhimudeli tuum: sõlmed, servad ja olek

Vaadake LangGraphi kui suunatud graafikut teie rakenduse oleku üle.

Sõlmed: käivitatavad sammud (nt LLM-i kutsumine, tööriista kasutamine, teisele agentidele suunamine).

Servad: marsruudi loogika, mis määrab, milline sõlm käivitub järgmisena.

Olek: tüübitud ja liidetav objekt (sõnumid, muutujad, tööriista tulemused), mida kannetakse sõlmede vahel.

Kanalid: nimega oleku osad, mida sõlmed saavad lugeda/kirjutada (nt sõnumid, kontekst).

Kontrollpunktid: püsivad oleku hetktõmmised, mis võimaldavad jätkata või hargneda.

Sõlm saab praeguse oleku, uuendab seda ja tagastab osalise paranduse. Servad valivad järgmise sõlme tulemuseks oleva oleku põhjal. See teeb silmused, kordused ja järelevalve selgeks, mis on olulised usaldusväärsuse tagamiseks.

Paigaldus ja seadistamine

LangGraph toetab Pythoni ja JavaScript/TypeScripti. Valige oma platvorm ja installige koos LangChaini ja soovitud LLM kliendiga.

Python:

pip install -U langgraph langchain openai
# Valikuline: jälgimine, vektoripoed, tööriistad jms

JavaScript/TypeScript:

pnpm add @langchain/langgraph langchain openai
# või
npm install @langchain/langgraph langchain openai

Keskkonnamuutujad:

export OPENAI_API_KEY=sk-... # või teie valitud teenusepakkuja

Teie esimene LangGraph: minimaalne ühe agendi silmus (Python)

See näide loob lihtsa agendi, mis mõtleb, kasutab tööriistu ja otsustab, millal lõpetada.

from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) Määra olek
action_token = "<act>" # lihtne signaal tööriistakasutuse vs lõpliku vastuse vahel
class State(TypedDict):
messages: List.
- Tasuta sissejuhatus LangGraphi kursusele LangChaini Akadeemiast.
- Täielik videokursus algajatele, mis käsitleb keerukaid vestlusintellekti töövooge.
## Kokkuvõte: prototüübist usaldusväärsete agentideni
LangGraph annab teile graafikupõhise juhtimise suurte keelemudelite rakenduste üle: selged marsruudid, jätkamine ja käitumise jälgimine. Alustage väikselt ühe agendi silmusega, seejärel liikuge edasi mitme agendi järelevalve, poliitikaväravate ja inimreview juurde. Hoidke sõlmed lihtsad, olek puhas ja marsruudid deterministlikud.
Tegevused:
- Koostage minimaalne olek ja kaks sõlme (`agent`, `tool`).
- Lisage ruuter selge `END` marsruudiga.
- Lisage kontrollpunktid ja testid enne laiendamist.
- Kasvades lisage tööriistad ja spetsialistagentid.
Nende alustalade ja tugeva silumistsükliga tarnite agentide süsteeme, mis toimivad tootmiskeskkonnas järjepidevalt.
### KK
K1: Milleks LangGraphi kasutatakse?
LangGraphi kasutatakse usaldusväärsete agenti- ja mitme agendi töövoogude loomiseks, millel on selge juhtimisvoog, püsiv olek ja kontrollpunktid. Sobib hästi silmuste, tööriistakasutuse, inimsekkumise sammude ja keeruka orkestreerimise korraldamiseks.
K2: Kuidas LangGraphi paigaldada ja seadistada?
Installige käsuga `pip install langgraph langchain` (Python) või `npm i @langchain/langgraph langchain` (JS/TS). Konfigureerige oma LLM teenusepakkuja (nt `OPENAI_API_KEY`) ja alustage `State` definitsioonist, sõlmedest ja tingimuslikest servadest.
K3: Kas LangGraph erineb LangChainist?
Jah. LangGraph on eraldi pakett, mis keskendub graafikupõhisele orkestreerimisele ja olekupõhistele, jätkamiseks sobivatele töövoogudele. See täiendab LangChaini mudeleid, tööriistu ja integratsioone pakkudes determinismi ja usaldusväärsust.
K4: Kas LangGraphiga saab ehitada mitme agendi süsteeme?
Kindlasti saab. LangGraph toetab järelevalve–töötaja mustreid, debatti või komitee agente ning poliitikaväravaid. Agentide vahel marsruut toimub tingimuslike servade kaudu ning jagatud või eraldatud olekuid hoitakse eraldi.
K5: Kuidas vältida lõpmatuid silmuseid LangGraphis?
<a39>Määrake selged lõpetamistingimused ja lisage alati ruuteritesse `END` marsruut. Lisage olekusse silmuse loendurid või aegumised, kärpige sõnumeid ning kirjutage üksusteste marsruudiloogika kontrollimiseks.

Kuidas kasutada LangGraphi: Praktiline juhend usaldusväärsete AI agentide loomiseks

Kuidas kasutada LangGraphi: praktiline juhend usaldusväärsete tehisintellekti agentide loomiseks

Mis on LangGraph ja miks seda kasutada?

Põhimudeli tuum: sõlmed, servad ja olek

Paigaldus ja seadistamine

Teie esimene LangGraph: minimaalne ühe agendi silmus (Python)