使用图 API - Docs by LangChain中文

本指南演示 LangGraph 的 Graph API 基础。它会介绍状态，以及如何组合常见的图结构，例如序列、分支和循环。它还涵盖 LangGraph 的控制功能，包括用于 map-reduce 工作流的 Send API，以及用于将状态更新与跨节点“跳转”结合起来的 Command API。

设置

安装 langgraph：

npm install @langchain/langgraph

设置 LangSmith 以便更好地调试注册 LangSmith，可以快速发现问题并提升 LangGraph 项目的性能。LangSmith 允许你使用 trace 数据来调试、测试和监控使用 LangGraph 构建的 LLM 应用——更多入门信息请阅读文档。

定义和更新状态

这里我们展示如何在 LangGraph 中定义和更新状态。我们将演示：

如何使用状态来定义图的 schema
如何使用 reducers 控制状态更新的处理方式。

定义状态

LangGraph 中的状态使用 StateSchema 类定义。它提供了统一的 API，可以接受单个字段的标准 schema（例如 Zod），以及 ReducedValue、MessagesValue 和 UntrackedValue 等特殊值类型。默认情况下，图会具有相同的输入和输出 schema，而状态决定了该 schema。有关如何定义不同的输入和输出 schema，请参阅定义输入和输出 schema。我们来看一个使用 messages 的简单示例。对于许多 LLM 应用来说，这是一种通用的状态表达方式。更多细节请参阅我们的概念页面。

import { StateSchema, MessagesValue } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  messages: MessagesValue,
  extraField: z.number(),
});

这个状态会跟踪一个消息对象列表，以及一个额外的整数字段。

更新状态

我们来构建一个只有单个节点的示例图。我们的节点只是一个 TypeScript 函数，它读取图的状态并对其进行更新。这个函数的第一个参数始终是状态：

import { AIMessage } from "@langchain/core/messages";
import { GraphNode } from "@langchain/langgraph";

const node: GraphNode<typeof State> = (state) => {
  const messages = state.messages;
  const newMessage = new AIMessage("你好！");
  return { messages: [newMessage], extraField: 10 };
};

这个节点只是向消息列表追加一条消息（reducer 会处理拼接），并填充一个额外字段。

节点应该直接返回对状态的更新，而不是修改状态本身。

接下来我们定义一个包含此节点的简单图。我们使用 StateGraph 来定义一个对该状态进行操作的图。然后使用 addNode 填充图。

import { StateGraph } from "@langchain/langgraph";

const graph = new StateGraph(State)
  .addNode("node", node)
  .addEdge("__start__", "node")
  .compile();

LangGraph 提供了内置工具来可视化你的图。我们来查看这个图。有关可视化的详细信息，请参阅可视化你的图。

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

在这个例子中，我们的图只执行单个节点。我们继续做一次简单调用：

import { HumanMessage } from "@langchain/core/messages";

const result = await graph.invoke({ messages: [new HumanMessage("你好")], extraField: 0 });
console.log(result);

{ messages: [HumanMessage { content: '你好' }, AIMessage { content: '你好！' }], extraField: 10 }

请注意：

我们通过更新状态中的单个 key 来启动调用。
我们会在调用结果中收到完整状态。

为方便起见，我们经常通过日志查看消息对象的内容：

for (const message of result.messages) {
  console.log(`${message.getType()}: ${message.content}`);
}

human: 你好
ai: 你好！

使用 reducer 处理状态更新

状态中的每个 key 都可以拥有自己独立的 reducer 函数，用于控制如何应用来自节点的更新。如果没有显式指定 reducer 函数，则默认认为对该 key 的所有更新都会覆盖原值。在前面的示例中，我们使用了 MessagesValue，它已经内置了 reducer。对于自定义字段，你可以使用 ReducedValue 定义如何应用更新。在前面的示例中，我们的节点通过追加一条消息来更新状态中的 "messages" key。MessagesValue reducer 会自动处理这一点：

import { StateSchema, MessagesValue, ReducedValue } from "@langchain/langgraph";
import * as z from "zod";

// MessagesValue 已经内置了 reducer
const State = new StateSchema({
  messages: MessagesValue,
  extraField: z.number(),
});

我们的节点可以只返回新消息（reducer 会处理拼接）：

import { GraphNode } from "@langchain/langgraph";

const node: GraphNode<typeof State> = (state) => {
  const newMessage = new AIMessage("你好！");
  return { messages: [newMessage], extraField: 10 };
};

import { START } from "@langchain/langgraph";

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

const result = await graph.invoke({ messages: [new HumanMessage("你好")] });

for (const message of result.messages) {
  console.log(`${message.getType()}: ${message.content}`);
}

human: 你好
ai: 你好！

MessagesValue

在实践中，更新消息列表时还有一些额外注意事项：

我们可能希望更新状态中已有的消息。
我们可能希望接受消息格式的简写形式，例如 OpenAI 格式。

LangGraph 包含内置的 MessagesValue，可以处理这些情况：

import { StateSchema, StateGraph, MessagesValue, GraphNode, START } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  messages: MessagesValue,
  extraField: z.number(),
});

const node: GraphNode<typeof State> = (state) => {
  const newMessage = new AIMessage("你好！");
  return { messages: [newMessage], extraField: 10 };
};

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

const inputMessage = { role: "user", content: "你好" };

const result = await graph.invoke({ messages: [inputMessage] });

for (const message of result.messages) {
  console.log(`${message.getType()}: ${message.content}`);
}

human: 你好
ai: 你好！

对于涉及聊天模型的应用来说，这是一种通用的状态表示方式。为了方便使用，LangGraph 内置了 MessagesValue，因此我们可以这样写：

import { StateSchema, MessagesValue } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  messages: MessagesValue,
  extraField: z.number(),
});

定义输入和输出 schema

默认情况下，StateGraph 使用单个 schema 运行，并且期望所有节点都使用该 schema 进行通信。不过，也可以为图定义不同的输入和输出 schema。当指定了不同的 schema 时，节点之间的通信仍会使用内部 schema。输入 schema 确保提供的输入符合预期结构，而输出 schema 会过滤内部数据，只返回根据已定义输出 schema 相关的信息。下面我们将了解如何定义不同的输入和输出 schema。

import { StateGraph, StateSchema, GraphNode, START, END } from "@langchain/langgraph";
import * as z from "zod";

// 定义输入的 schema
const InputState = new StateSchema({
  question: z.string(),
});

// 定义输出的 schema
const OutputState = new StateSchema({
  answer: z.string(),
});

// 定义整体 schema，将输入和输出合并
const OverallState = new StateSchema({
  question: z.string(),
  answer: z.string(),
});

// 定义处理输入的节点
const answerNode: GraphNode<typeof OverallState> = (state) => {
  // 示例答案和一个额外 key
  return { answer: "再见", question: state.question };
};

// 构建图，并指定输入和输出 schema
const graph = new StateGraph({
  input: InputState,
  output: OutputState,
  state: OverallState,
})
  .addNode("answerNode", answerNode)
  .addEdge(START, "answerNode")
  .addEdge("answerNode", END)
  .compile();

// 使用输入调用图并打印结果
console.log(await graph.invoke({ question: "你好" }));

{ answer: '再见' }

请注意，invoke 的输出只包含输出 schema。

在节点之间传递私有状态

在某些情况下，你可能希望节点交换一些对中间逻辑至关重要、但不需要成为图主 schema 一部分的信息。这些私有数据与图的整体输入/输出无关，并且应该只在特定节点之间共享。下面，我们将创建一个由三个节点（node_1、node_2 和 node_3）组成的顺序图示例，其中私有数据在前两个步骤（node_1 和 node_2）之间传递，而第三个步骤（node_3）只能访问公开的整体状态。

import { StateGraph, StateSchema, GraphNode, START, END } from "@langchain/langgraph";
import * as z from "zod";

// 图的整体状态（这是跨节点共享的公共状态）
const OverallState = new StateSchema({
  a: z.string(),
});

// node1 的输出包含不属于整体状态的私有数据
const Node1Output = new StateSchema({
  privateData: z.string(),
});

// 节点 2 的输入只请求 node1 之后可用的私有数据
const Node2Input = new StateSchema({
  privateData: z.string(),
});

// 私有数据只在 node1 和 node2 之间共享
const node1: GraphNode<typeof OverallState> = (state) => {
  const output = { privateData: "由 node1 设置" };
  console.log(`进入节点 'node1'：\n\t输入：${JSON.stringify(state)}。\n\t返回：${JSON.stringify(output)}`);
  return output;
};

const node2: GraphNode<typeof Node2Input> = (state) => {
  const output = { a: "由 node2 设置" };
  console.log(`进入节点 'node2'：\n\t输入：${JSON.stringify(state)}。\n\t返回：${JSON.stringify(output)}`);
  return output;
};

// 节点 3 只能访问整体状态（不能访问来自 node1 的私有数据）
const node3: GraphNode<typeof OverallState> = (state) => {
  const output = { a: "由 node3 设置" };
  console.log(`进入节点 'node3'：\n\t输入：${JSON.stringify(state)}。\n\t返回：${JSON.stringify(output)}`);
  return output;
};

// 按顺序连接节点
// node2 接收来自 node1 的私有数据，而
// node3 看不到这些私有数据。
const graph = new StateGraph(OverallState)
  .addNode("node1", node1)
  .addNode("node2", node2, { input: Node2Input })
  .addNode("node3", node3)
  .addEdge(START, "node1")
  .addEdge("node1", "node2")
  .addEdge("node2", "node3")
  .addEdge("node3", END)
  .compile();

// 使用初始状态调用图
const response = await graph.invoke({ a: "在开始时设置" });

console.log(`\n图调用的输出：${JSON.stringify(response)}`);

进入节点 'node1'：
	Input: {"a":"在开始时设置"}.
	Returned: {"privateData":"由 node1 设置"}
进入节点 'node2'：
	Input: {"privateData":"由 node1 设置"}.
	Returned: {"a":"由 node2 设置"}
进入节点 'node3'：
	Input: {"a":"由 node2 设置"}.
	Returned: {"a":"由 node3 设置"}

图调用的输出：{"a":"由 node3 设置"}

替代的状态定义方式

虽然 StateSchema 是定义状态的推荐方式，但 LangGraph 也支持其他几种方法。本节涵盖所有可用选项。

Channels API

channels API 提供了对状态管理的底层控制。LangGraph 提供了几种内置通道类型：

Channel Type	Behavior	Use Case
`LastValue`	存储最新的值	会被覆盖的简单字段
`BinaryOperatorAggregate`	使用 reducer 函数组合值	累积值（计数器、列表）
`Topic`	将所有值收集为一个序列	事件流、审计日志
`EphemeralValue`	在 superstep 之间重置的值	临时计算状态

使用对象简写： 当你传入一个带有 reducer 和 default 的对象时，它会创建一个 BinaryOperatorAggregate 通道。传入 null 会创建一个 LastValue 通道：

import { BaseMessage } from "@langchain/core/messages";
import { StateGraph } from "@langchain/langgraph";

interface WorkflowState {
  messages: BaseMessage[];
  question: string;
  answer: string;
}

const workflow = new StateGraph<WorkflowState>({
  channels: {
    // BinaryOperatorAggregate：使用 reducer 组合值
    messages: {
      reducer: (current, update) => current.concat(update),
      default: () => [],
    },
    // LastValue：存储最新的值（null = 无 reducer）
    question: null,
    answer: null,
  },
});

直接使用通道类： 如需更多控制，可以直接实例化通道类：

import { BaseMessage } from "@langchain/core/messages";
import { StateGraph, LastValue, BinaryOperatorAggregate, Topic } from "@langchain/langgraph";

interface WorkflowState {
  messages: BaseMessage[];
  question: string;
  events: string[];
}

const workflow = new StateGraph<WorkflowState>({
  channels: {
    messages: new BinaryOperatorAggregate<BaseMessage[]>(
      (current, update) => current.concat(update),
      () => []
    ),
    question: new LastValue<string>(),
    // Topic 会收集执行期间推送的所有值
    events: new Topic<string>(),
  },
});

Annotation.Root

Annotation.Root 提供了一种声明式方式来定义带有 reducer 的状态。它类似于 StateSchema，但语法不同：

import { BaseMessage } from "@langchain/core/messages";
import { Annotation, StateGraph, messagesStateReducer } from "@langchain/langgraph";

const State = Annotation.Root({
  messages: Annotation<BaseMessage[]>({
    reducer: messagesStateReducer,
    default: () => [],
  }),
  question: Annotation<string>(),
  count: Annotation<number>({
    reducer: (current, update) => current + update,
    default: () => 0,
  }),
});

const graph = new StateGraph(State);

使用 Zod v3 的 Zod 对象

使用 Zod v3 时，可以用普通的 z.object() schema 定义状态。LangGraph 通过 .langgraph 插件扩展了 Zod v3，该插件提供 .reducer() 和 .metadata() 方法：

import { z } from "zod/v3";
import { BaseMessage } from "@langchain/core/messages";
import { StateGraph, messagesStateReducer } from "@langchain/langgraph";

const State = z.object({
  // 使用 .langgraph.reducer() 附加 reducer 函数
  messages: z
    .array(z.custom<BaseMessage>())
    .default([])
    .langgraph.reducer(messagesStateReducer),
  // 简单字段可直接工作（最后写入者获胜）
  question: z.string().optional(),
  answer: z.string().optional(),
  // 用于累积值的自定义 reducer
  count: z
    .number()
    .default(0)
    .langgraph.reducer((current, update) => current + update),
});

const graph = new StateGraph(State);

使用 Zod v4 的 Zod 对象

Zod v4 使用基于 registry 的方式。使用 LangGraph registry 为 schema 字段附加元数据：

import * as z from "zod";
import { BaseMessage } from "@langchain/core/messages";
import { StateGraph, MessagesZodMeta, messagesStateReducer } from "@langchain/langgraph";
import { registry } from "@langchain/langgraph/zod";

const State = z.object({
  // 使用 .register() 搭配 LangGraph registry 和 MessagesZodMeta
  messages: z
    .array(z.custom<BaseMessage>())
    .default([])
    .register(registry, MessagesZodMeta),
  // 简单字段可直接工作（最后写入者获胜）
  question: z.string().optional(),
  answer: z.string().optional(),
  // 通过 registry 元数据使用自定义 reducer
  count: z
    .number()
    .default(0)
    .register(registry, { reducer: (current: number, update: number) => current + update }),
});

const graph = new StateGraph(State);

对比表

Approach	Reducers	Type Safety	Zod Version	Recommended
`StateSchema`	✅ 内置	✅ 完整	v3 或 v4	✅ 是
Channels API	✅ 手动	⚠️ 部分	N/A	适用于高级场景
`Annotation.Root`	✅ 内置	✅ 完整	N/A	旧版
Zod v3 + `.langgraph`	✅ 通过插件	✅ 完整	仅 v3	旧版
Zod v4 + registry	✅ 通过 registry	✅ 完整	仅 v4	旧版

添加运行时配置

有时你希望在调用图时能够配置它。例如，你可能希望能够在运行时指定要使用哪个 LLM 或系统提示，而不把这些参数污染到图状态中。要添加运行时配置：

为配置指定 schema
将配置添加到节点或条件边的函数签名中
将配置传入图。

下面是一个简单示例：

import { StateGraph, StateSchema, GraphNode, END, START } from "@langchain/langgraph";
import * as z from "zod";

// 1. 指定配置 schema
const ContextSchema = z.object({
  myRuntimeValue: z.string(),
});

// 2. 定义一个在节点中访问配置的图
const State = new StateSchema({
  myStateValue: z.number(),
});

const node: GraphNode<typeof State> = (state, runtime) => {
  if (runtime?.context?.myRuntimeValue === "a") {
    return { myStateValue: 1 };
  } else if (runtime?.context?.myRuntimeValue === "b") {
    return { myStateValue: 2 };
  } else {
    throw new Error("未知值。");
  }
};

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

// 3. 在运行时传入配置：
console.log(await graph.invoke({}, { context: { myRuntimeValue: "a" } }));
console.log(await graph.invoke({}, { context: { myRuntimeValue: "b" } }));

{ myStateValue: 1 }
{ myStateValue: 2 }

扩展示例：在运行时指定 LLM

下面我们演示一个实用示例：在运行时配置要使用的 LLM。我们将同时使用 OpenAI 和 Anthropic 模型。

import { ChatOpenAI } from "@langchain/openai";
import { ChatAnthropic } from "@langchain/anthropic";
import { StateGraph, StateSchema, MessagesValue, GraphNode, START, END } from "@langchain/langgraph";
import * as z from "zod";

const ConfigSchema = z.object({
  modelProvider: z.string().default("anthropic"),
});

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

const MODELS = {
  anthropic: new ChatAnthropic({ model: "claude-haiku-4-5-20251001" }),
  openai: new ChatOpenAI({ model: "gpt-5.4-mini" }),
};

const callModel: GraphNode<typeof State> = async (state, config) => {
  const modelProvider = config?.configurable?.modelProvider || "anthropic";
  const model = MODELS[modelProvider as keyof typeof MODELS];
  const response = await model.invoke(state.messages);
  return { messages: [response] };
};

const graph = new StateGraph(State, ConfigSchema)
  .addNode("model", callModel)
  .addEdge(START, "model")
  .addEdge("model", END)
  .compile();

// 用法
const inputMessage = { role: "user", content: "你好" };
// 不传配置时，使用默认值（Anthropic）
const response1 = await graph.invoke({ messages: [inputMessage] });
// 或者，可以设置为 OpenAI
const response2 = await graph.invoke(
  { messages: [inputMessage] },
  { configurable: { modelProvider: "openai" } },
);

console.log(response1.messages.at(-1)?.response_metadata?.model);
console.log(response2.messages.at(-1)?.response_metadata?.model);

claude-haiku-4-5-20251001
gpt-5.4-mini

扩展示例：在运行时指定模型和系统消息

下面我们演示一个实用示例：在运行时配置两个参数：要使用的 LLM 和系统消息。

import { ChatOpenAI } from "@langchain/openai";
import { ChatAnthropic } from "@langchain/anthropic";
import { SystemMessage } from "@langchain/core/messages";
import { StateGraph, StateSchema, MessagesValue, GraphNode, START, END } from "@langchain/langgraph";
import * as z from "zod";

const ConfigSchema = z.object({
  modelProvider: z.string().default("anthropic"),
  systemMessage: z.string().optional(),
});

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

const MODELS = {
  anthropic: new ChatAnthropic({ model: "claude-haiku-4-5-20251001" }),
  openai: new ChatOpenAI({ model: "gpt-5.4-mini" }),
};

const callModel: GraphNode<typeof State> = async (state, config) => {
  const modelProvider = config?.configurable?.modelProvider || "anthropic";
  const systemMessage = config?.configurable?.systemMessage;

  const model = MODELS[modelProvider as keyof typeof MODELS];
  let messages = state.messages;

  if (systemMessage) {
    messages = [new SystemMessage(systemMessage), ...messages];
  }

  const response = await model.invoke(messages);
  return { messages: [response] };
};

const graph = new StateGraph(State, ConfigSchema)
  .addNode("model", callModel)
  .addEdge(START, "model")
  .addEdge("model", END)
  .compile();

// 用法
const inputMessage = { role: "user", content: "你好" };
const response = await graph.invoke(
  { messages: [inputMessage] },
  {
    configurable: {
      modelProvider: "openai",
      systemMessage: "请用意大利语回答。"
    }
  }
);

for (const message of response.messages) {
  console.log(`${message.getType()}: ${message.content}`);
}

human: 你好
ai: Ciao! Come posso aiutarti oggi?

添加重试策略

在很多使用场景中，你可能希望节点拥有自定义重试策略，例如调用 API、查询数据库或调用 LLM 等。LangGraph 允许你为节点添加重试策略。要配置重试策略，请将 retryPolicy 参数传给 addNode。retryPolicy 参数接收一个 RetryPolicy 对象。下面我们使用默认参数实例化一个 RetryPolicy 对象，并将它关联到一个节点：

import { RetryPolicy } from "@langchain/langgraph";

const graph = new StateGraph(State)
  .addNode("nodeName", nodeFunction, { retryPolicy: {} })
  .compile();

默认情况下，重试策略会对除以下异常之外的任何异常进行重试：

TypeError
SyntaxError
ReferenceError

扩展示例：自定义重试策略

考虑一个从 SQL 数据库读取数据的示例。下面我们向节点传入两个不同的重试策略：

import Database from "better-sqlite3";
import { ChatAnthropic } from "@langchain/anthropic";
import { StateGraph, StateSchema, MessagesValue, GraphNode, START, END } from "@langchain/langgraph";
import { AIMessage } from "@langchain/core/messages";

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

// 创建一个内存数据库
const db: typeof Database.prototype = new Database(":memory:");

const model = new ChatAnthropic({ model: "claude-3-5-sonnet-20240620" });

const callModel: GraphNode<typeof State> = async (state) => {
  const response = await model.invoke(state.messages);
  return { messages: [response] };
};

const queryDatabase: GraphNode<typeof State> = async (state) => {
  const queryResult: string = JSON.stringify(
    db.prepare("SELECT * FROM Artist LIMIT 10;").all(),
  );

  return { messages: [new AIMessage({ content: "queryResult" })] };
};

const workflow = new StateGraph(State)
  // 定义我们将在其间循环的两个节点
  .addNode("call_model", callModel, { retryPolicy: { maxAttempts: 5 } })
  .addNode("query_database", queryDatabase, {
    retryPolicy: {
      retryOn: (e: any): boolean => {
        if (e instanceof Database.SqliteError) {
          // 对 "SQLITE_BUSY" 错误进行重试
          return e.code === "SQLITE_BUSY";
        }
        return false; // 不对其他错误进行重试
      },
    },
  })
  .addEdge(START, "call_model")
  .addEdge("call_model", "query_database")
  .addEdge("query_database", END);

const graph = workflow.compile();

在节点内部访问执行信息

你可以通过 runtime.executionInfo 访问执行身份和重试信息。它会暴露线程、运行和检查点标识符以及重试状态，而无需直接从 config 中读取。

属性	类型	描述
`threadId`	`string \| undefined`	当前执行的线程 ID。
`runId`	`string \| undefined`	当前执行的运行 ID。
`checkpointId`	`string`	当前执行的检查点 ID。
`checkpointNs`	`string`	当前执行的检查点命名空间。
`taskId`	`string`	当前执行的任务 ID。
`nodeAttempt`	`number`	当前执行尝试次数（从 1 开始计数）。
`nodeFirstAttemptTime`	`number \| undefined`	第一次尝试开始时的 Unix 时间戳（秒）。在多次重试之间保持不变。

访问线程 ID 和运行 ID

使用 executionInfo 在节点内部访问线程 ID、运行 ID 和其他身份字段：

import { StateGraph, StateSchema, START, END } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  result: z.string(),
});

const myNode: GraphNode<typeof State> = async (state, runtime) => {
  const info = runtime.executionInfo;
  console.log(`Thread: ${info.threadId}, Run: ${info.runId}`);
  return { result: "done" };
};

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

根据重试状态调整行为

当节点有重试策略时，使用 executionInfo 检查当前尝试次数，并在第一次尝试失败后切换到备用方案：

import { StateGraph, StateSchema, START, END } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  result: z.string(),
});

const myNode: GraphNode<typeof State> = async (state, runtime) => {
  const info = runtime.executionInfo;
  if (info.nodeAttempt > 1) {
    // 在重试时使用备用方案
    return { result: await callFallbackApi() };
  }
  return { result: await callPrimaryApi() };
};

const graph = new StateGraph(State)
  .addNode("my_node", myNode, { retryPolicy: { maxAttempts: 3 } })
  .addEdge(START, "my_node")
  .addEdge("my_node", END)
  .compile();

即使没有重试策略，Runtime 对象上也可以使用 executionInfo —— nodeAttempt 默认值为 1，nodeFirstAttemptTime 会设置为节点开始执行的时间。

在节点内部访问服务器信息

当你的图运行在 LangGraph Server 上时，可以通过 runtime.serverInfo 访问服务器特定的元数据。

属性	类型	描述
`assistantId`	`string`	当前部署的助手 ID。
`graphId`	`string`	当前部署的图 ID。
`user`	`BaseUser \| null`	已认证用户（如果配置了 custom auth）。

const myNode: GraphNode<typeof State> = async (state, runtime) => {
  const server = runtime.serverInfo;
  if (server != null) {
    console.log(`Assistant: ${server.assistantId}, Graph: ${server.graphId}`);
    if (server.user != null) {
      console.log(`User: ${server.user.identity}`);
    }
  }
  return { result: "done" };
};

当图未运行在 LangGraph Server 上时，serverInfo 为 null。

runtime.executionInfo 和 runtime.serverInfo 需要 deepagents>=1.9.0（或 @langchain/langgraph>=1.2.8）。

创建一系列步骤

前置条件 本指南假设你熟悉上文关于 state 的部分。

这里我们演示如何构建一个简单的步骤序列。我们将展示：

如何构建顺序图
用于构建类似图的内置简写方式。

要添加一系列节点，我们使用 graph 的 .addNode 和 .addEdge 方法：

import { START, StateGraph } from "@langchain/langgraph";

const builder = new StateGraph(State)
  .addNode("step1", step1)
  .addNode("step2", step2)
  .addNode("step3", step3)
  .addEdge(START, "step1")
  .addEdge("step1", "step2")
  .addEdge("step2", "step3");

为什么要用 LangGraph 将应用步骤拆分成一个序列？

LangGraph 让你可以轻松地为应用添加底层持久化层。这允许在节点执行之间对状态进行检查点保存，因此你的 LangGraph 节点会决定：

状态更新如何被 checkpointed
在 human-in-the-loop 工作流中，中断如何恢复
如何使用 LangGraph 的 time travel 功能“回退”并从执行中分支出来

它们还决定执行步骤如何被 streamed，以及如何使用 Studio 可视化和调试你的应用。我们来演示一个端到端示例。我们将创建一个包含三个步骤的序列：

在状态的某个键中填充一个值
更新同一个值
填充另一个不同的值

首先定义我们的 state。它决定了图的 schema，也可以指定如何应用更新。更多细节请参阅使用 reducer 处理状态更新。在本例中，我们只跟踪两个值：

import { StateSchema, GraphNode } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  value1: z.string(),
  value2: z.number(),
});

我们的 nodes 只是一些 TypeScript 函数，它们读取图的状态并对其进行更新。这个函数的第一个参数始终是状态：

const step1: GraphNode<typeof State> = (state) => {
  return { value1: "a" };
};

const step2: GraphNode<typeof State> = (state) => {
  const currentValue1 = state.value1;
  return { value1: `${currentValue1} b` };
};

const step3: GraphNode<typeof State> = (state) => {
  return { value2: 10 };
};

请注意，在向状态发出更新时，每个节点只需要指定它希望更新的键的值。默认情况下，这会覆盖对应键的值。你也可以使用 reducers 来控制更新的处理方式——例如，你可以将后续更新追加到某个键上。更多细节请参阅使用 reducer 处理状态更新。

最后，我们定义图。我们使用 StateGraph 来定义一个在该状态上运行的图。然后我们将使用 addNode 和 addEdge 来填充图并定义其控制流。

import { START, StateGraph } from "@langchain/langgraph";

const graph = new StateGraph(State)
  .addNode("step1", step1)
  .addNode("step2", step2)
  .addNode("step3", step3)
  .addEdge(START, "step1")
  .addEdge("step1", "step2")
  .addEdge("step2", "step3")
  .compile();

指定自定义名称 你可以使用 .addNode 为节点指定自定义名称：

const graph = new StateGraph(State)
.addNode("myNode", step1)
.compile();

请注意：

.addEdge 接收节点名称；对于函数，默认是 node.name。
我们必须指定图的入口点。为此，我们添加一条带有 START node 的边。
当没有更多节点可执行时，图会停止。

接下来，我们 compile 图。这会对图结构进行一些基本检查（例如识别孤立节点）。如果我们通过 checkpointer 为应用添加持久化，也会在这里传入它。LangGraph 提供了用于可视化图的内置工具。我们来检查一下这个序列。有关可视化的详细信息，请参阅可视化你的图。

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

接下来进行一次简单调用：

const result = await graph.invoke({ value1: "c" });
console.log(result);

{ value1: 'a b', value2: 10 }

请注意：

我们通过为单个状态键提供一个值来启动调用。我们必须始终为至少一个键提供值。
我们传入的值被第一个节点覆盖了。
第二个节点更新了该值。
第三个节点填充了另一个不同的值。

创建分支

节点的并行执行对于加快整体图运行至关重要。LangGraph 原生支持节点的并行执行，可以显著提升基于图的工作流性能。这种并行化通过 fan-out 和 fan-in 机制实现，并同时利用标准边和 conditional_edges。下面是一些示例，展示如何创建适合你的分支数据流。

并行运行图节点

在这个示例中，我们从 Node A 扇出到 B and C，然后扇入到 D。在状态中，我们指定 reducer add 操作。它会对 State 中特定键的值进行合并或累积，而不是简单地覆盖现有值。对于列表，这意味着将新列表与现有列表连接起来。有关使用 reducer 更新状态的更多细节，请参阅上文 state reducers 部分。

import { StateGraph, StateSchema, ReducedValue, GraphNode, START, END } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  // reducer 使其只能追加
  aggregate: new ReducedValue(
    z.array(z.string()).default(() => []),
    { reducer: (x, y) => x.concat(y) }
  ),
});

const nodeA: GraphNode<typeof State> = (state) => {
  console.log(`Adding "A" to ${state.aggregate}`);
  return { aggregate: ["A"] };
};

const nodeB: GraphNode<typeof State> = (state) => {
  console.log(`Adding "B" to ${state.aggregate}`);
  return { aggregate: ["B"] };
};

const nodeC: GraphNode<typeof State> = (state) => {
  console.log(`Adding "C" to ${state.aggregate}`);
  return { aggregate: ["C"] };
};

const nodeD: GraphNode<typeof State> = (state) => {
  console.log(`Adding "D" to ${state.aggregate}`);
  return { aggregate: ["D"] };
};

const graph = new StateGraph(State)
  .addNode("a", nodeA)
  .addNode("b", nodeB)
  .addNode("c", nodeC)
  .addNode("d", nodeD)
  .addEdge(START, "a")
  .addEdge("a", "b")
  .addEdge("a", "c")
  .addEdge("b", "d")
  .addEdge("c", "d")
  .addEdge("d", END)
  .compile();

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

通过 reducer，你可以看到每个节点中添加的值会被累积起来。

const result = await graph.invoke({
  aggregate: [],
});
console.log(result);

Adding "A" to []
Adding "B" to ['A']
Adding "C" to ['A']
Adding "D" to ['A', 'B', 'C']
{ aggregate: ['A', 'B', 'C', 'D'] }

在上面的示例中，节点 "b" 和 "c" 会在同一个 superstep 中并发执行。因为它们位于同一步中，所以节点 "d" 会在 "b" 和 "c" 都完成之后执行。重要的是，来自并行 superstep 的更新顺序可能并不总是一致。如果你需要并行 superstep 中更新具有一致且预先确定的顺序，应将输出写入状态中的单独字段，并附带一个可用于排序的值。

异常处理？

LangGraph 在 supersteps 中执行节点，这意味着虽然并行分支是并行执行的，但整个 superstep 是事务性的。如果其中任何一个分支抛出异常，不会将任何更新应用到状态（整个 superstep 会报错）。重要的是，在使用 checkpointer 时，superstep 中成功节点的结果会被保存，并且在恢复时不会重复执行。如果你有容易出错的操作（比如想处理不稳定的 API 调用），LangGraph 提供了两种方式来解决：

你可以在节点中编写普通的 python 代码来捕获并处理异常。
你可以设置一个 retry_policy，指示图对抛出特定类型异常的节点进行重试。只有失败的分支会被重试，因此你无需担心执行冗余工作。

这两者结合起来，可以让你执行并行流程，并完全控制异常处理。

设置最大并发数 你可以在调用图时，通过在 configuration 中设置 max_concurrency 来控制最大并发任务数。

const result = await graph.invoke({ value1: "c" }, {configurable: {max_concurrency: 10}});

条件分支

如果你的 fan-out 需要在运行时根据状态变化，可以使用 addConditionalEdges 通过图状态选择一条或多条路径。请看下面的示例，其中节点 a 生成一个状态更新，用来决定后续节点。

import { StateGraph, StateSchema, ReducedValue, GraphNode, ConditionalEdgeRouter, START, END } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  aggregate: new ReducedValue(
    z.array(z.string()).default(() => []),
    { reducer: (x, y) => x.concat(y) }
  ),
  // 向状态添加一个键。我们将设置这个键来决定
  // 如何分支。
  which: z.string(),
});

const nodeA: GraphNode<typeof State> = (state) => {
  console.log(`Adding "A" to ${state.aggregate}`);
  return { aggregate: ["A"], which: "c" };
};

const nodeB: GraphNode<typeof State> = (state) => {
  console.log(`Adding "B" to ${state.aggregate}`);
  return { aggregate: ["B"] };
};

const nodeC: GraphNode<typeof State> = (state) => {
  console.log(`Adding "C" to ${state.aggregate}`);
  return { aggregate: ["C"] };
};

const conditionalEdge: ConditionalEdgeRouter<typeof State, "b" | "c"> = (state) => {
  // 在这里填写使用状态的任意逻辑
  // 来决定下一个节点
  return state.which as "b" | "c";
};

const graph = new StateGraph(State)
  .addNode("a", nodeA)
  .addNode("b", nodeB)
  .addNode("c", nodeC)
  .addEdge(START, "a")
  .addEdge("b", END)
  .addEdge("c", END)
  .addConditionalEdges("a", conditionalEdge)
  .compile();

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

const result = await graph.invoke({ aggregate: [] });
console.log(result);

Adding "A" to []
Adding "C" to ['A']
{ aggregate: ['A', 'C'], which: 'c' }

你的条件边可以路由到多个目标节点。例如：

const routeBcOrCd: ConditionalEdgeRouter<typeof State, "b" | "c" | "d"> = (state) => {
  if (state.which === "cd") {
    return ["c", "d"];
  }
  return ["b", "c"];
};

Map-Reduce 和 send API

LangGraph 支持使用 Send API 实现 map-reduce 和其他高级分支模式。下面是一个使用示例：

import { StateGraph, StateSchema, ReducedValue, GraphNode, START, END, Send } from "@langchain/langgraph";
import * as z from "zod";

const OverallState = new StateSchema({
  topic: z.string(),
  subjects: z.array(z.string()),
  jokes: new ReducedValue(
    z.array(z.string()).default(() => []),
    { reducer: (x, y) => x.concat(y) }
  ),
  bestSelectedJoke: z.string(),
});

const generateTopics: GraphNode<typeof OverallState> = (state) => {
  return { subjects: ["lions", "elephants", "penguins"] };
};

const generateJoke: GraphNode<typeof OverallState> = (state) => {
  const jokeMap: Record<string, string> = {
    lions: "Why don't lions like fast food? Because they can't catch it!",
    elephants: "Why don't elephants use computers? They're afraid of the mouse!",
    penguins: "Why don't penguins like talking to strangers at parties? Because they find it hard to break the ice."
  };
  return { jokes: [jokeMap[state.subject]] };
};

const continueToJokes: ConditionalEdgeRouter<typeof OverallState, "generateJoke"> = (state) => {
  return state.subjects.map((subject) => new Send("generateJoke", { subject }));
};

const bestJoke: GraphNode<typeof OverallState> = (state) => {
  return { bestSelectedJoke: "penguins" };
};

const graph = new StateGraph(OverallState)
  .addNode("generateTopics", generateTopics)
  .addNode("generateJoke", generateJoke)
  .addNode("bestJoke", bestJoke)
  .addEdge(START, "generateTopics")
  .addConditionalEdges("generateTopics", continueToJokes)
  .addEdge("generateJoke", "bestJoke")
  .addEdge("bestJoke", END)
  .compile();

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

// 调用图：这里我们调用它来生成一个笑话列表
for await (const step of await graph.stream({ topic: "animals" })) {
  console.log(step);
}

{ generateTopics: { subjects: [ 'lions', 'elephants', 'penguins' ] } }
{ generateJoke: { jokes: [ "Why don't lions like fast food? Because they can't catch it!" ] } }
{ generateJoke: { jokes: [ "Why don't elephants use computers? They're afraid of the mouse!" ] } }
{ generateJoke: { jokes: [ "Why don't penguins like talking to strangers at parties? Because they find it hard to break the ice." ] } }
{ bestJoke: { bestSelectedJoke: 'penguins' } }

创建和控制循环

创建带循环的图时，我们需要一种终止执行的机制。最常见的做法是添加一个 conditional edge，当达到某个终止条件时路由到 END 节点。你也可以在调用或流式处理图时设置图的递归限制。递归限制设置的是图在抛出错误之前允许执行的 super-steps 数量。请阅读更多关于 recursion limit concept 的内容。我们来看一个带循环的简单图，以便更好地理解这些机制如何工作。

如果想返回状态的最后一个值，而不是收到递归限制错误，请参阅下一节。

创建循环时，你可以包含一条指定终止条件的条件边：

const route: ConditionalEdgeRouter<typeof State, "b"> = (state) => {
  if (terminationCondition(state)) {
    return END;
  } else {
    return "b";
  }
};

const graph = new StateGraph(State)
  .addNode("a", nodeA)
  .addNode("b", nodeB)
  .addEdge(START, "a")
  .addConditionalEdges("a", route)
  .addEdge("b", "a")
  .compile();

要控制递归限制，请在配置中指定 "recursionLimit"。这会抛出一个 GraphRecursionError，你可以捕获并处理它：

import { GraphRecursionError } from "@langchain/langgraph";

try {
  await graph.invoke(inputs, { recursionLimit: 3 });
} catch (error) {
  if (error instanceof GraphRecursionError) {
    console.log("递归错误");
  }
}

让我们定义一个带有简单循环的图。请注意，我们使用条件边来实现终止条件。

import { StateGraph, StateSchema, ReducedValue, GraphNode, ConditionalEdgeRouter, START, END } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  // reducer 会让它只能追加
  aggregate: new ReducedValue(
    z.array(z.string()).default(() => []),
    { reducer: (x, y) => x.concat(y) }
  ),
});

const nodeA: GraphNode<typeof State> = (state) => {
  console.log(`节点 A 看到 ${state.aggregate}`);
  return { aggregate: ["A"] };
};

const nodeB: GraphNode<typeof State> = (state) => {
  console.log(`节点 B 看到 ${state.aggregate}`);
  return { aggregate: ["B"] };
};

// 定义边
const route: ConditionalEdgeRouter<typeof State, "b"> = (state) => {
  if (state.aggregate.length < 7) {
    return "b";
  } else {
    return END;
  }
};

const graph = new StateGraph(State)
  .addNode("a", nodeA)
  .addNode("b", nodeB)
  .addEdge(START, "a")
  .addConditionalEdges("a", route)
  .addEdge("b", "a")
  .compile();

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

这个架构类似于一个 ReAct agent，其中节点 "a" 是一个调用工具的模型，节点 "b" 表示这些工具。在我们的 route 条件边中，我们指定当状态中的 "aggregate" 列表超过某个长度阈值后就应该结束。调用该图时，我们可以看到在达到终止条件之前，会在节点 "a" 和 "b" 之间交替执行。

const result = await graph.invoke({ aggregate: [] });
console.log(result);

节点 A 看到 []
节点 B 看到 ['A']
节点 A 看到 ['A', 'B']
节点 B 看到 ['A', 'B', 'A']
节点 A 看到 ['A', 'B', 'A', 'B']
节点 B 看到 ['A', 'B', 'A', 'B', 'A']
节点 A 看到 ['A', 'B', 'A', 'B', 'A', 'B']
{ aggregate: ['A', 'B', 'A', 'B', 'A', 'B', 'A'] }

施加递归限制

在某些应用中，我们可能无法保证一定会达到给定的终止条件。在这些情况下，我们可以设置图的递归限制。在经过给定数量的超级步后，这会抛出一个 GraphRecursionError。然后我们可以捕获并处理这个异常：

import { GraphRecursionError } from "@langchain/langgraph";

try {
  await graph.invoke({ aggregate: [] }, { recursionLimit: 4 });
} catch (error) {
  if (error instanceof GraphRecursionError) {
    console.log("递归错误");
  }
}

节点 A 看到 []
节点 B 看到 ['A']
节点 A 看到 ['A', 'B']
节点 B 看到 ['A', 'B', 'A']
节点 A 看到 ['A', 'B', 'A', 'B']
递归错误

使用 `Command` 组合控制流和状态更新

将控制流（边）和状态更新（节点）组合起来会很有用。例如，你可能希望在同一个节点中既执行状态更新，又决定接下来要前往哪个节点。LangGraph 提供了一种方式：从节点函数返回一个 Command 对象：

import { Command } from "@langchain/langgraph";

const myNode = (state: State): Command => {
  return new Command({
    // 状态更新
    update: { foo: "bar" },
    // 控制流
    goto: "myOtherNode"
  });
};

下面我们展示一个端到端示例。让我们创建一个包含 3 个节点的简单图：A、B 和 C。我们会先执行节点 A，然后根据节点 A 的输出决定接下来前往节点 B 还是节点 C。

import { StateGraph, StateSchema, GraphNode, Command, START } from "@langchain/langgraph";
import * as z from "zod";

// 定义图状态
const State = new StateSchema({
  foo: z.string(),
});

// 定义节点

const nodeA: GraphNode<typeof State, "nodeB" | "nodeC"> = (state) => {
  console.log("调用了 A");
  const value = Math.random() > 0.5 ? "b" : "c";
  // 这是条件边函数的替代方案
  const goto = value === "b" ? "nodeB" : "nodeC";

  // 注意 Command 如何允许你同时更新图状态并路由到下一个节点
  return new Command({
    // 这是状态更新
    update: { foo: value },
    // 这是边的替代方案
    goto,
  });
};

const nodeB: GraphNode<typeof State> = (state) => {
  console.log("调用了 B");
  return { foo: state.foo + "b" };
};

const nodeC: GraphNode<typeof State> = (state) => {
  console.log("调用了 C");
  return { foo: state.foo + "c" };
};

现在我们可以使用上面的节点创建 StateGraph。请注意，这个图没有用于路由的条件边！这是因为控制流是在 nodeA 内部通过 Command 定义的。

const graph = new StateGraph(State)
  .addNode("nodeA", nodeA, {
    ends: ["nodeB", "nodeC"],
  })
  .addNode("nodeB", nodeB)
  .addNode("nodeC", nodeC)
  .addEdge(START, "nodeA")
  .compile();

你可能已经注意到，我们使用 ends 来指定 nodeA 可以导航到哪些节点。这对于图渲染是必需的，它告诉 LangGraph nodeA 可以导航到 nodeB 和 nodeC。

import * as fs from "node:fs/promises";

const drawableGraph = await graph.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

如果多次运行该图，我们会看到它会根据节点 A 中的随机选择走不同路径（A -> B 或 A -> C）。

const result = await graph.invoke({ foo: "" });
console.log(result);

调用了 A
调用了 C
{ foo: 'cc' }

导航到父图中的节点

如果你正在使用子图，你可能希望从子图中的某个节点导航到另一个子图（也就是父图中的另一个节点）。为此，你可以在 Command 中指定 graph=Command.PARENT：

const myNode = (state: State): Command => {
  return new Command({
    update: { foo: "bar" },
    goto: "otherSubgraph",  // 其中 `otherSubgraph` 是父图中的一个节点
    graph: Command.PARENT
  });
};

让我们用上面的示例来演示这一点。我们会把上面示例中的 nodeA 改成一个单节点图，然后把它作为子图添加到父图中。

使用 Command.PARENT 进行状态更新 当你从子图节点向父图节点发送更新，并且更新的键同时存在于父图和子图的状态模式中时，你必须为父图状态中要更新的键定义一个 reducer。请看下面的示例。

import { StateGraph, StateSchema, ReducedValue, GraphNode, Command, START } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  // 注意：我们在这里定义了一个 reducer
  foo: new ReducedValue(  
    z.string().default(""),
    { reducer: (x, y) => x + y }
  ),
});

const nodeA: GraphNode<typeof State, "nodeB" | "nodeC"> = (state) => {
  console.log("调用了 A");
  const value = Math.random() > 0.5 ? "nodeB" : "nodeC";

  // 注意 Command 如何允许你同时更新图状态并路由到下一个节点
  return new Command({
    update: { foo: "a" },
    goto: value,
    // 这会告诉 LangGraph 导航到父图中的 nodeB 或 nodeC
    // 注意：这会导航到相对于子图最近的父图
    graph: Command.PARENT,
  });
};

const subgraph = new StateGraph(State)
  .addNode("nodeA", nodeA, { ends: ["nodeB", "nodeC"] })
  .addEdge(START, "nodeA")
  .compile();

const nodeB: GraphNode<typeof State> = (state) => {
  console.log("调用了 B");
  // 注意：因为我们已经定义了 reducer，所以不需要手动追加
  // 新字符到现有的 'foo' 值中。相反，reducer 会自动追加这些字符
  // automatically
  return { foo: "b" };
};

const nodeC: GraphNode<typeof State> = (state) => {
  console.log("调用了 C");
  return { foo: "c" };
};

const graph = new StateGraph(State)
  .addNode("subgraph", subgraph, { ends: ["nodeB", "nodeC"] })
  .addNode("nodeB", nodeB)
  .addNode("nodeC", nodeC)
  .addEdge(START, "subgraph")
  .compile();

const result = await graph.invoke({ foo: "" });
console.log(result);

调用了 A
调用了 C
{ foo: 'ac' }

在工具内部使用

一个常见用例是在工具内部更新图状态。例如，在客户支持应用中，你可能希望在对话开始时根据客户的账号或 ID 查询客户信息。要从工具更新图状态，你可以从工具返回 Command(update={"my_custom_key": "foo", "messages": [...]})：

import { tool } from "@langchain/core/tools";
import { Command } from "@langchain/langgraph";
import * as z from "zod";

const lookupUserInfo = tool(
  async (input, runtime) => {
    const userId = runtime.serverInfo?.user?.identity;
    const userInfo = getUserInfo(userId);
    return new Command({
      update: {
        // 更新状态键
        userInfo: userInfo,
        // 更新消息历史
        messages: [{
          role: "tool",
          content: "已成功查询用户信息",
          tool_call_id: runtime.toolCall.id
        }]
      }
    });
  },
  {
    name: "lookupUserInfo",
    description: "使用此工具查询用户信息，以便更好地帮助他们解决问题。",
    schema: z.object({}),
  }
);

当从工具返回 Command 时，你必须在 Command.update 中包含 messages（或任何用于消息历史的状态键），并且 messages 中的消息列表必须包含一个 ToolMessage。这是生成有效消息历史所必需的（LLM 提供商要求带有工具调用的 AI 消息后面必须跟随工具结果消息）。

如果你使用的是通过 Command 更新状态的工具，我们建议使用预构建的 ToolNode，它会自动处理返回 Command 对象的工具，并将其传播到图状态。如果你正在编写一个调用工具的自定义节点，则需要手动将工具返回的 Command 对象作为节点更新进行传播。

可视化你的图

这里我们演示如何可视化你创建的图。你可以可视化任意 Graph，包括 StateGraph。让我们创建一个简单的示例图来演示可视化。

import { StateGraph, StateSchema, MessagesValue, ReducedValue, GraphNode, ConditionalEdgeRouter, START, END } from "@langchain/langgraph";
import * as z from "zod";

const State = new StateSchema({
  messages: MessagesValue,
  value: new ReducedValue(
    z.number().default(0),
    { reducer: (x, y) => x + y }
  ),
});

const node1: GraphNode<typeof State> = (state) => {
  return { value: state.value + 1 };
};

const node2: GraphNode<typeof State> = (state) => {
  return { value: state.value * 2 };
};

const router: ConditionalEdgeRouter<typeof State, "node2"> = (state) => {
  if (state.value < 10) {
    return "node2";
  }
  return END;
};

const app = new StateGraph(State)
  .addNode("node1", node1)
  .addNode("node2", node2)
  .addEdge(START, "node1")
  .addConditionalEdges("node1", router)
  .addEdge("node2", "node1")
  .compile();

Mermaid

我们也可以将图类转换为 Mermaid 语法。

const drawableGraph = await app.getGraphAsync();
console.log(drawableGraph.drawMermaid());

%%{init: {'flowchart': {'curve': 'linear'}}}%%
graph TD;
    tart__([<p>__start__</p>]):::first
    e1(node1)
    e2(node2)
    nd__([<p>__end__</p>]):::last
    tart__ --> node1;
    e1 -.-> node2;
    e1 -.-> __end__;
    e2 --> node1;
    ssDef default fill:#f2f0ff,line-height:1.2
    ssDef first fill-opacity:0
    ssDef last fill:#bfb6fc

PNG

如果愿意，我们也可以把 Graph 渲染成 .png。这里会使用 Mermaid.ink API 来生成图表。

import * as fs from "node:fs/promises";

const drawableGraph = await app.getGraphAsync();
const image = await drawableGraph.drawMermaidPng();
const imageBuffer = new Uint8Array(await image.arrayBuffer());

await fs.writeFile("graph.png", imageBuffer);

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

Edit this page on GitHub or file an issue.

​设置

​定义和更新状态

​定义状态

​更新状态

​使用 reducer 处理状态更新

​MessagesValue

​定义输入和输出 schema

​在节点之间传递私有状态

​替代的状态定义方式

​Channels API

​Annotation.Root

​使用 Zod v3 的 Zod 对象

​使用 Zod v4 的 Zod 对象

​对比表

​添加运行时配置

​添加重试策略

​在节点内部访问执行信息

​访问线程 ID 和运行 ID

​根据重试状态调整行为

​在节点内部访问服务器信息

​创建一系列步骤

​创建分支

​并行运行图节点

​条件分支

​Map-Reduce 和 send API

​创建和控制循环

​施加递归限制

​使用 Command 组合控制流和状态更新

​导航到父图中的节点

​在工具内部使用

​可视化你的图

​Mermaid

​PNG

设置

定义和更新状态

定义状态

更新状态

使用 reducer 处理状态更新

MessagesValue

定义输入和输出 schema

在节点之间传递私有状态

替代的状态定义方式

Channels API

Annotation.Root

使用 Zod v3 的 Zod 对象

使用 Zod v4 的 Zod 对象

对比表

添加运行时配置

添加重试策略

在节点内部访问执行信息

访问线程 ID 和运行 ID

根据重试状态调整行为

在节点内部访问服务器信息

创建一系列步骤

创建分支

并行运行图节点

条件分支

Map-Reduce 和 send API

创建和控制循环

施加递归限制

使用 `Command` 组合控制流和状态更新

导航到父图中的节点

在工具内部使用

可视化你的图

Mermaid

PNG