LangChain 由几项核心信念驱动：
  • 大语言模型（LLM）是一项出色而强大的新技术。
  • 将 LLM 与外部数据源结合时，效果会更好。
  • LLM 将改变未来应用的形态。具体来说，未来的应用会越来越代理化。
  • 这种转变仍处于非常早期的阶段。
  • 虽然构建这些代理式应用的原型很容易，但要构建足够可靠、可投入生产的代理仍然很难。
今天，开发者可以选择如何构建代理：使用 LangChain 获得最大的灵活性和控制力，或使用 Deep Agents 获得类似的灵活性和控制力，同时使用其内置的规划、文件系统工具、子代理和上下文管理能力。两者都构建在 LangGraph 之上。 LangChain 有两个核心重点：
1

让开发者能够使用最佳模型进行构建。

不同提供商会暴露不同的 API，使用不同的模型参数和消息格式。 标准化这些模型输入和输出是核心重点，这让开发者可以轻松切换到最新的先进模型，并避免锁定。
2

让使用模型编排更复杂的流程变得简单，这些流程可以与其他数据和计算交互。

模型不应只用于文本生成，还应被用于编排更复杂的流程，并与其他数据交互。LangChain 让定义 LLM 可动态使用的工具变得简单，也能帮助解析和访问非结构化数据。

​
历史

鉴于该领域持续快速变化，LangChain 也随着时间不断演进。下面是 LangChain 多年来变化的简要时间线，展现了它如何随着“使用 LLM 构建应用”的含义一起演进：
​
v0.0.1
在 ChatGPT 发布前一个月，LangChain 作为 Python 包发布。它由两个主要组件组成：
  • LLM 抽象
  • “Chains”，即针对常见用例预先确定的计算步骤。例如 RAG：先运行检索步骤，再运行生成步骤。
LangChain 这个名字来自 “Language”（如语言模型）和 “Chains”。
​
LangChain 添加了第一批通用代理。这些通用代理基于 ReAct 论文（ReAct 表示 Reasoning and Acting）。它们使用 LLM 生成代表工具调用的 JSON，然后解析该 JSON 来确定调用哪些工具。
​
OpenAI 发布了 “Chat Completion” API。在此之前，模型接收字符串并返回字符串。在 ChatCompletions API 中，模型演进为接收消息列表并返回一条消息。其他模型提供商也采用了这种方式，LangChain 随之更新，以支持消息列表。
​
LangChain 发布了 JavaScript 版本。LLM 和代理会改变应用的构建方式，而 JavaScript 是应用开发者常用的语言。
​
LangChain Inc. 围绕开源 LangChain 项目成立。主要目标是“让智能代理无处不在”。团队意识到，虽然 LangChain 是关键部分（它让开始使用 LLM 变得简单），但仍然需要其他组件。
​
OpenAI 在其 API 中发布了 “function calling”。这让 API 可以显式生成代表工具调用的 payload。其他模型提供商也采用了这种方式，LangChain 随之更新，将其作为工具调用的首选方法（而不是解析 JSON）。
​
LangChain Inc. 发布了闭源平台 LangSmith，提供可观测性和评估功能。构建代理的主要问题是让它们足够可靠，而提供可观测性和评估功能的 LangSmith 正是为满足这一需求而构建的。LangChain 也更新为可与 LangSmith 无缝集成。
​
v0.1.0
LangChain 发布 0.1.0，这是它第一个非 0.0.x 版本。行业从原型阶段走向生产阶段，因此 LangChain 加强了对稳定性的关注。
​
LangGraph 作为开源库发布。最初的 LangChain 有两个重点：LLM 抽象，以及用于快速开始构建常见应用的高级接口；但它缺少一个低层编排层，让开发者可以精确控制代理流程。于是 LangGraph 出现了。在构建 LangGraph 时，团队吸取了构建 LangChain 的经验，并添加了发现必需的功能：流式传输、持久执行、短期记忆、人在环路等。
​
LangChain 拥有超过 700 个集成。集成从 LangChain 核心包中拆分出来，并迁移到各自独立的包（核心集成）或 langchain-community。
​
对于任何不止一次 LLM 调用的 AI 应用，LangGraph 成为首选构建方式。当开发者尝试提升应用可靠性时，他们需要比高级接口更多的控制力。LangGraph 提供了这种底层灵活性。LangChain 中的大多数链和代理被标记为已弃用，并提供了迁移到 LangGraph 的指南。LangGraph 中仍保留一个高级抽象：代理抽象。它构建在底层 LangGraph 之上，并拥有与 LangChain 中 ReAct 代理相同的接口。
​
模型 API 变得更加多模态。模型开始接受文件、图像、视频等内容。相应地，团队更新了 langchain-core 消息格式，让开发者可以用标准方式指定这些多模态输入。
​
v1.0.0
LangChain 发布 1.0，包含两项重大变化：
  1. 全面重构 langchain 中的所有链和代理。所有链和代理现在都被唯一的高级抽象替代：构建在 LangGraph 之上的代理抽象。这个高级抽象最初在 LangGraph 中创建，现在迁移到了 LangChain。 对于仍在使用旧版 LangChain 链或代理且不想升级的用户（注意：建议升级），可以安装 langchain-classic 包继续使用旧版 LangChain。
  2. 标准消息内容格式：模型 API 从返回简单内容字符串的消息，演进为返回更复杂的输出类型，包括推理块、引用、服务器端工具调用等。LangChain 也演进了消息格式，以便跨提供商标准化这些内容。
​
v0.5.3
Deep Agents 作为构建在 LangGraph 之上的开源代理运行框架发布。LangChain 为自定义代理架构提供灵活的构建块，而 Deep Agents 为研究和编码等复杂、长时间运行的任务提供开箱即用的选择。它添加了内置规划工具、带可插拔后端（内存、磁盘、LangGraph 存储、沙箱）的虚拟文件系统，以及用于上下文隔离的子代理生成。需要带预定义工具、更自主的代理时，请使用 Deep Agents；需要完全控制代理架构时，请使用 LangChain。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.