LangGraph 使用指南：构建可靠的 AI Agent 实践
更新于 2025年9月24日
4 分钟
如何使用 LangGraph：构建可靠 AI 代理的实用指南
如果你曾尝试通过普通链条和工具构建代理工作流，可能会遇到诸如不可靠的循环、脆弱的控制流程以及难以调试的状态等问题。LangGraph 提供了一种图形化的原生方式来设计、控制和追踪代理行为，具备持久化和保护机制，从而改变了这一局面。
在本实操教程中，你将从零开始学习如何使用 LangGraph 直到生产就绪：了解它是什么、图模型如何运作，以及如何使用 Python 或 JavaScript 构建、测试和迭代单代理与多代理的实际工作流。
值得一提的是：如果你在起草提示、绘制流程图或与 AI 助手共同编辑代码，Sider.AI 可以在浏览器内加速你的 LangGraph 迭代（提示优化、单元测试和文档查询）。详见 https://sider.ai/。
什么是 LangGraph？为什么要用它？
LangGraph 是一个构建具备明确控制流程、持久状态及事件追踪的单代理和多代理大模型应用的框架。它是 LangChain 生态系统的一部分，但作为独立包维护。开发者选择它是为了让代理更加可靠和可控，具备确定性边缘、可恢复检查点及简洁的复杂循环和工具使用思维模型等功能。
团队采用 LangGraph 的主要原因有：
- 可靠性与保护机制：精确定义代理何时行动、请求帮助或交接任务。
- 可恢复性：检查状态点，失败时恢复，并从中断处继续。
- 多代理模式：组合专家、辩论或监督者-工作者流程。
- 可观测性：事件流和状态快照让调试轻松自如。
如果你喜欢结构化学习，官方的 LangGraph 入门课程是很好的起点。同时也有面向初学者的完整视频课程，涵盖复杂对话式 AI 工作流。
核心思维模型：节点、边和状态
把 LangGraph 想象成你应用状态上的有向图。
- 节点：可执行步骤（例如调用 LLM、运行工具、路由到另一个代理）。
- 边：确定下一个运行节点的路由逻辑。
- 状态：类型化、可合并的对象（消息、变量、工具结果），在节点间传递。
- 通道：状态的命名部分，节点可读写（例如
messages、context）。
- 检查点：持久化的状态快照，支持恢复或分支。
节点接收当前状态，更新后返回部分补丁。边基于结果状态选择下一节点。这使循环、重试和监督明确可见，是实现可靠性的关键。
安装与配置
LangGraph 支持 Python 和 JavaScript/TypeScript。选择你的开发栈，安装时与 LangChain 及你偏好的 LLM 客户端一同安装。
Python:
pip install -U langgraph langchain openai# 可选：追踪、向量存储、工具等JavaScript/TypeScript:
pnpm add @langchain/langgraph langchain openai# 或npm install @langchain/langgraph langchain openai环境变量：
export OPENAI_API_KEY=sk-... # 或你选择的服务提供商密钥你的第一个 LangGraph：最简单的单代理循环（Python）
这个示例构建了一个简单代理，实现推理、调用工具并决定何时停止。
from typing import TypedDict, Listfrom langgraph.graph import StateGraph, ENDfrom langchain_openai import ChatOpenAI# 1) 定义 Stateaction_token = "<act>" # 用于区分工具调用和最终答案的简单信号class State(TypedDict):messages: List.- 来自 LangChain Academy 的免费 LangGraph 入门课程。- 面向初学者的完整视频课程，涵盖复杂的对话式工作流。## 总结：从原型到可靠代理LangGraph 让你以图形原生方式控制大语言模型应用：明确的路由、可恢复状态和可观测行为。从单代理循环小项目开始，逐步进阶到多代理监督、策略门控和人工审核。保持节点简单、状态清晰、路由确定。行动步骤：- 设计最小状态和两个节点（`agent`、`tool`）。- 添加一个带清晰 `END` 路径的路由器。- 在扩展前引入检查点和测试。- 随着成长，加入工具和专家代理。有了这些基础和强大的调试循环，你将发布行为稳定的生产代理系统。### 常见问题解答Q1: LangGraph 用来做什么？LangGraph 用于构建具有明确控制流程、持久状态和检查点的可靠单代理和多代理工作流。非常适合循环、工具调用、人工环节和复杂的编排场景。Q2: 如何安装和配置 LangGraph？通过 `pip install langgraph langchain`（Python）或 `npm i @langchain/langgraph langchain`（JS/TS）安装。配置你的 LLM 服务提供商（例如设置 `OPENAI_API_KEY`），开始时定义 `State`、节点和条件边。Q3: LangGraph 和 LangChain 有什么区别？LangGraph 是一个独立包，侧重于基于图的流程编排和具备状态恢复能力的工作流。它补充 LangChain 的模型、工具及集成，增强确定性和可靠性。Q4: LangGraph 能否构建多代理系统？完全可以。LangGraph 支持监督者-工作者模式、辩论或委员会代理及策略门控。通过条件边路由代理，维护共享或分割状态。Q5: 如何防止 LangGraph 中的无限循环？定义清晰的终止条件，并确保路由器提供 `END` 路径。在状态中加入循环计数器或超时机制，优化消息管理，编写单元测试验证路由逻辑。
