LangGraph 提供了两种不同的 API 来构建智能体工作流：图 API 和函数式 API。两种 API 共享相同的底层运行时，并且可以在同一个应用里一起使用，但它们分别适用于不同的使用场景和开发偏好。 本指南将帮助你根据自己的具体需求，决定何时使用哪种 API。

​
快速决策指南

在以下情况下使用图 API：
  • 需要复杂的工作流可视化以进行调试和文档编写
  • 需要显式的状态管理，在多个节点间共享数据
  • 包含多个决策点的条件分支
  • 存在稍后需要合并的并行执行路径
  • 团队协作场景，可视化表示有助于理解
在以下情况下使用函数式 API：
  • 希望对现有过程式代码进行最小的代码改动
  • 采用标准控制流（if/else、循环、函数调用）
  • 需要函数作用域的状态，无需显式的状态管理
  • 快速原型开发，减少样板代码
  • 具有简单分支逻辑的线性工作流

​
详细对比

​
何时使用图 API

图 API 采用声明式方法，你需要定义节点、边和共享状态来创建可视化的图结构。 1. 复杂的决策树和分支逻辑 当你的工作流有多个依赖于不同条件的决策点时，图 API 能让这些分支变得明确且易于可视化。 
import * as z from "zod";
import {
  StateGraph,
  StateSchema,
  MessagesValue,
  START,
  END,
  type GraphNode,
  type ConditionalEdgeRouter,
} from "@langchain/langgraph";

// Graph API: 清晰展示决策路径
const AgentState = new StateSchema({
  messages: MessagesValue,
  currentTool: z.string(),
  retryCount: z.number().default(0),
});

const shouldContinue: ConditionalEdgeRouter<typeof AgentState> = (state) => {
  if (state.retryCount > 3) {
    return END;
  } else if (state.currentTool === "search") {
    return "processSearch";
  } else {
    return "callLlm";
  }
};

const workflow = new StateGraph(AgentState)
  .addNode("callLlm", callLlmNode)
  .addNode("processSearch", searchNode)
  .addConditionalEdges("callLlm", shouldContinue);
2. 跨多个组件的状态管理 当你需要在工作流的不同部分之间共享和协调状态时，图 API 显式的状态管理会很有帮助。 
import * as z from "zod";
import { StateSchema, type GraphNode } from "@langchain/langgraph";

// 多个节点可以访问和修改共享状态
const WorkflowState = new StateSchema({
  userInput: z.string(),
  searchResults: z.array(z.string()).default([]),
  generatedResponse: z.string().optional(),
  validationStatus: z.string().optional(),
});

const searchNode: GraphNode<typeof WorkflowState> = async (state) => {
  // 访问共享状态
  const results = await search(state.userInput);
  return { searchResults: results };
};

const validationNode: GraphNode<typeof WorkflowState> = async (state) => {
  // 访问上一个节点的结果
  const isValid = await validate(state.generatedResponse);
  return { validationStatus: isValid ? "valid" : "invalid" };
};
3. 带同步的并行处理 当你需要并行运行多个操作然后合并它们的结果时，图 API 可以自然地处理这种情况。 
import { START } from "@langchain/langgraph";

// 并行处理多个数据源
workflow
  .addNode("fetchNews", fetchNews)
  .addNode("fetchWeather", fetchWeather)
  .addNode("fetchStocks", fetchStocks)
  .addNode("combineData", combineAllData)
  // 所有获取操作并行运行
  .addEdge(START, "fetchNews")
  .addEdge(START, "fetchWeather")
  .addEdge(START, "fetchStocks")
  // 合并操作等待所有并行操作完成
  .addEdge("fetchNews", "combineData")
  .addEdge("fetchWeather", "combineData")
  .addEdge("fetchStocks", "combineData");
4. 团队开发与文档 图 API 的可视化特性使团队更容易理解、记录和维护复杂的工作流。 
// 清晰的关注点分离——每个团队成员可以负责不同的节点
workflow
  .addNode("dataIngestion", dataTeamFunction)
  .addNode("mlProcessing", mlTeamFunction)
  .addNode("businessLogic", productTeamFunction)
  .addNode("outputFormatting", frontendTeamFunction);

​
何时使用函数式 API

函数式 API 采用命令式方法，将 LangGraph 的功能集成到标准的过程式代码中。 1. 现有的过程式代码 当你已有使用标准控制流的代码，并希望以最小的重构代价添加 LangGraph 功能时。 
import { task, entrypoint } from "@langchain/langgraph";

// 函数式 API：对现有代码的改动最小
const processUserInput = task(
  "processUserInput",
  async (userInput: string) => {
    // 现有函数，改动极小
    return { processed: userInput.toLowerCase().trim() };
  }
);

const workflow = entrypoint(
  { checkpointer },
  async (userInput: string) => {
    // 标准控制流
    const processed = await processUserInput(userInput);

    let response: string;
    if (processed.processed.includes("urgent")) {
      response = await handleUrgentRequest(processed);
    } else {
      response = await handleNormalRequest(processed);
    }

    return response;
  }
);
2. 逻辑简单的线性工作流 当你的工作流主要是顺序执行且只包含简单的条件逻辑时。 
import { entrypoint, interrupt } from "@langchain/langgraph";

const essayWorkflow = entrypoint(
  { checkpointer },
  async (topic: string) => {
    // 带有简单分支的线性流程
    let outline = await createOutline(topic);

    if (outline.points.length < 3) {
      outline = await expandOutline(outline);
    }

    const draft = await writeDraft(outline);

    // 人工审核检查点
    const feedback = interrupt({ draft, action: "Please review" });

    let finalEssay: string;
    if (feedback === "approve") {
      finalEssay = draft;
    } else {
      finalEssay = await reviseEssay(draft, feedback);
    }

    return { essay: finalEssay };
  }
);
3. 快速原型开发 当你希望快速测试想法，而不需要定义状态模式和图形结构等额外开销时。 
import { entrypoint } from "@langchain/langgraph";

const quickPrototype = entrypoint(
  { checkpointer },
  async (data: Record<string, unknown>) => {
    // 快速迭代——无需定义状态模式
    const step1Result = await processStep1(data);
    const step2Result = await processStep2(step1Result);

    return { finalResult: step2Result };
  }
);
4. 函数作用域的状态管理 当你的状态自然地局限在各个函数内，不需要广泛共享时。 
import { task, entrypoint } from "@langchain/langgraph";

const analyzeDocument = task("analyzeDocument", async (document: string) => {
  // 函数内部的局部状态管理
  const sections = extractSections(document);
  const summaries = await Promise.all(sections.map(summarize));
  const keyPoints = extractKeyPoints(summaries);

  return {
    sections: sections.length,
    summaries,
    keyPoints,
  };
});

const documentProcessor = entrypoint(
  { checkpointer },
  async (document: string) => {
    const analysis = await analyzeDocument(document);
    // 状态按需在函数之间传递
    return await generateReport(analysis);
  }
);

​
结合使用两种 API

你可以在同一个应用中同时使用这两种 API。当系统的不同部分有不同的需求时，这会非常有用。 
import * as z from "zod";
import {
  StateGraph,
  StateSchema,
  entrypoint,
  type GraphNode,
} from "@langchain/langgraph";

// 为复杂的多智能体协调定义状态
const CoordinationState = new StateSchema({
  rawData: z.record(z.string(), z.unknown()),
  processedData: z.record(z.string(), z.unknown()).optional(),
});

// 使用函数式 API 进行简单的数据处理
const dataProcessor = entrypoint({}, async (rawData: Record<string, unknown>) => {
  const cleaned = await cleanData(rawData);
  const transformed = await transformData(cleaned);
  return transformed;
});

// 在图节点中使用函数式 API 的结果
const orchestratorNode: GraphNode<typeof CoordinationState> = async (state) => {
  const processedData = await dataProcessor.invoke(state.rawData);
  return { processedData };
};

// 使用图 API 进行复杂的多智能体协调
const coordinationGraph = new StateGraph(CoordinationState)
  .addNode("orchestrator", orchestratorNode)
  .addNode("agentA", agentANode)
  .addNode("agentB", agentBNode);

​
API 之间的迁移

​
从函数式 API 迁移到图 API

当你的函数式工作流变得复杂时，可以迁移到图 API： 
import * as z from "zod";
import { entrypoint } from "@langchain/langgraph";

// 迁移前：函数式 API
const complexWorkflow = entrypoint(
  { checkpointer },
  async (inputData: Record<string, unknown>) => {
    const step1 = await processStep1(inputData);

    let result: unknown;
    if (step1.needsAnalysis) {
      const analysis = await analyzeData(step1);
      if (analysis.confidence > 0.8) {
        result = await highConfidencePath(analysis);
      } else {
        result = await lowConfidencePath(analysis);
      }
    } else {
      result = await simplePath(step1);
    }

    return result;
  }
);

// 迁移后：图 API
import {
  StateGraph,
  StateSchema,
  type GraphNode,
  type ConditionalEdgeRouter,
} from "@langchain/langgraph";

const WorkflowState = new StateSchema({
  inputData: z.record(z.string(), z.unknown()),
  step1Result: z.record(z.string(), z.unknown()).optional(),
  analysis: z.record(z.string(), z.unknown()).optional(),
  finalResult: z.unknown().optional(),
});

const shouldAnalyze: ConditionalEdgeRouter<typeof WorkflowState> = (state) => {
  return state.step1Result?.needsAnalysis ? "analyze" : "simplePath";
};

const confidenceCheck: ConditionalEdgeRouter<typeof WorkflowState> = (state) => {
  return (state.analysis?.confidence as number) > 0.8
    ? "highConfidence"
    : "lowConfidence";
};

const workflow = new StateGraph(WorkflowState)
  .addNode("step1", processStep1Node)
  .addConditionalEdges("step1", shouldAnalyze)
  .addNode("analyze", analyzeDataNode)
  .addConditionalEdges("analyze", confidenceCheck);
// ... 添加剩余的节点和边

​
从图 API 迁移到函数式 API

当你的图对于简单的线性流程来说过于复杂时： 
import { z } from "zod/v4";
import { StateGraph, StateSchema, entrypoint } from "@langchain/langgraph";

// 迁移前：过度设计的图 API
const SimpleState = new StateSchema({
  input: z.string(),
  step1: z.string().optional(),
  step2: z.string().optional(),
  result: z.string().optional(),
});

// 迁移后：简化的函数式 API
const simpleWorkflow = entrypoint(
  { checkpointer },
  async (inputData: string) => {
    const step1 = await processStep1(inputData);
    const step2 = await processStep2(step1);
    return await finalizeResult(step2);
  }
);

​
总结

当你需要对工作流结构进行显式控制、需要复杂的分支、并行处理或团队协作时，请选择图 API。 当你希望以最小的改动为现有代码添加 LangGraph 功能、工作流较为简单线性或需要快速原型开发时，请选择函数式 API。 这两种 API 都提供了相同的 LangGraph 核心功能（持久化、流式传输、人在回路、记忆），只是将它们封装在不同的编程范式中，以适应不同的开发风格和使用场景。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.