LangGraph 概述

LangGraph 获得了众多塑造智能代理未来的公司的信赖，包括 Klarna、Uber、摩根大通等。它是一个底层的编排框架和运行时，用于构建、管理和部署长时间运行的有状态代理。LangGraph 为您提供了细粒度的控制，能够将确定性的、手工编码的步骤与由 LLM 驱动的代理步骤混合在同一个图中，从而您可以构建完全符合应用程序需求的定制化代理。 LangGraph 的层级非常低，完全专注于代理的编排。在使用 LangGraph 之前，我们建议您先熟悉一些用于构建代理的组件，可以从模型和工具开始。在整个文档中，我们通常会使用 LangChain 组件来集成模型和工具，但您无需使用 LangChain 也能使用 LangGraph。如果您刚开始接触代理，或者想要更高级别的抽象，我们建议您使用 LangChain 的 Agents，它们为常见的 LLM 和工具调用循环提供了预构建的架构。 LangGraph 专注于对代理编排至关重要的基础能力：持久化执行、流式传输、人在回路等。 LangGraph 的核心优势之一，是能够在单个图中混合确定性步骤与 LLM 驱动的代理步骤。这让您能够构建定制化的工作流：部分逻辑完全可预测和可审计，而另一部分则灵活且由模型驱动，从而精确控制 AI 应用的位置和方式。

Show LangChain 产品如何协同工作

Deep Agents 是一个代理工具集：在 LangGraph 之上提供规划、子代理、文件系统工具和上下文管理。
LangChain 是代理框架：为模型、工具和代理循环提供抽象和集成。
LangGraph 是编排运行时：提供持久化执行、流式传输、人在回路和持久化功能。
LangSmith 是跨框架的可观测性平台，提供追踪、评估、提示词管理和部署功能。
LangSmith Engine 可检测您的 LangGraph 代理追踪中的问题并提出修复建议。您可以直接从“引擎”标签页中打开一个包含建议修复的拉取请求。
LangSmith Fleet 是无代码的代理构建器，提供模板、集成和常规自动化。

请阅读框架、运行时与工具集以了解开源技术栈的对比。

安装

npm install @langchain/langgraph @langchain/core

pnpm add @langchain/langgraph @langchain/core

yarn add @langchain/langgraph @langchain/core

bun add @langchain/langgraph @langchain/core

然后，创建一个简单的 hello world 示例：

import { StateSchema, MessagesValue, type GraphNode, StateGraph, START, END } from "@langchain/langgraph";

const State = new StateSchema({
  messages: MessagesValue,
});

// 定义一个模拟的 LLM 节点函数
const mockLlm: GraphNode<typeof State> = (state) => {
  // 返回一个包含 AI 消息的对象
  return { messages: [{ role: "ai", content: "你好，世界" }] };
};

const graph = new StateGraph(State)
  .addNode("mock_llm", mockLlm)
  .addEdge(START, "mock_llm")
  .addEdge("mock_llm", END)
  .compile();

// 调用编译后的图，传入初始状态
await graph.invoke({ messages: [{ role: "user", content: "你好！" }] });

使用 LangSmith 来追踪请求、调试代理行为并评估输出。设置 LANGSMITH_TRACING=true 和您的 API 密钥即可开始使用。请遵循追踪快速入门指南进行设置。我们建议您同时设置 LangSmith Engine，它可以监控您的追踪、检测问题并提出修复建议。

核心优势

LangGraph 为任何长时间运行的有状态工作流或代理提供底层的支持基础设施。LangGraph 不抽象提示词或架构，并提供以下核心优势：

混合确定性步骤与代理步骤：在一个图中将手工编写的确定性逻辑与 LLM 驱动的决策相结合。在需要可靠性和可预测性的地方使用确定性步骤，在需要灵活性的地方使用代理步骤——让您精确控制代理行为的每一个部分。
持久化：构建能够抵御故障并可长时间运行的代理，能够从中断处恢复执行。
人在回路：通过在任意时刻检查和修改代理状态来融入人工监督。
全面的记忆能力：创建有状态代理，既具备用于持续推理的短期工作记忆，也拥有跨会话的长期记忆。
使用 LangSmith 进行调试：通过可视化工具深入了解复杂代理的行为，这些工具可以追踪执行路径、捕获状态转换并提供详细的运行时指标。
生产就绪的部署：借助专为处理有状态、长时运行工作流的独特挑战而设计的可扩展基础设施，自信地部署复杂的代理系统。

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，为开发者提供构建代理的全套工具。为了改进您的 LLM 应用程序开发，可以将 LangGraph 与以下产品搭配使用：

LangSmith 可观测性

在一个地方追踪请求、评估输出并监控部署。使用 LangGraph 在本地进行原型设计，然后借助集成的可观测性和评估工具迁移到生产环境，以构建更可靠的代理系统。

LangSmith 部署

借助专为长时运行、有状态工作流设计的部署平台，轻松部署和扩展代理。跨团队发现、复用、配置和共享代理——并可在 Studio 中进行可视化原型设计，快速迭代。

LangChain

提供集成和可组合组件，以简化 LLM 应用程序开发。包含构建在 LangGraph 之上的代理抽象。

致谢

LangGraph 的灵感来源于 Pregel 和 Apache Beam。其公共接口的设计参考了 NetworkX。LangGraph 由 LangChain Inc（LangChain 的创建者）构建，但可以独立于 LangChain 使用。

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.

Edit this page on GitHub or file an issue.

Get started

Capabilities

Production

Frontend

LangGraph APIs

安装

核心优势

LangGraph 生态系统

LangSmith 可观测性

LangSmith 部署

LangChain

致谢

​ 安装

​核心优势

​LangGraph 生态系统

LangSmith 可观测性

LangSmith 部署

LangChain

​致谢

安装

核心优势

LangGraph 生态系统

致谢