🦜🕸️LangGraph.js

[!注意] 您在寻找 Python 版本吗？请参阅 Python 仓库 和 Python 文档。

LangGraph — 被 Replit、Uber、LinkedIn、GitLab 等公司使用 — 是一个用于构建可控智能体的底层编排框架。虽然 LangChain 提供了集成和可组合组件来简化 LLM 应用程序开发，但 LangGraph 库则专注于智能体编排，提供可定制的架构、长期记忆以及人机协作功能，从而可靠地处理复杂任务。

npm install @langchain/langgraph @langchain/core

要了解更多关于如何使用 LangGraph 的信息，请查看 文档。下面是一个简单的示例，展示如何创建一个 ReAct 智能体。

// npm install @langchain-anthropic
import { createReactAgent, tool } from "langchain";
import { ChatAnthropic } from "@langchain/anthropic";

import { z } from "zod";

const search = tool(
  async ({ query }) => {
    if (
      query.toLowerCase().includes("sf") ||
      query.toLowerCase().includes("san francisco")
    ) {
      return "现在是60华氏度，有雾。";
    }
    return "现在是90华氏度，晴朗。";
  },
  {
    name: "search",
    description: "用于在网络上搜索的工具。",
    schema: z.object({
      query: z.string().describe("您要在搜索中使用的查询。"),
    }),
  }
);

const model = new ChatAnthropic({
  model: "claude-3-7-sonnet-latest",
});

const agent = createReactAgent({
  llm: model,
  tools: [search],
});

const result = await agent.invoke({
  messages: [
    {
      role: "user",
      content: "旧金山的天气怎么样",
    },
  ],
});

全栈快速入门

通过使用 create-agent-chat-app CLI 快速构建一个全栈 LangGraph 应用程序：

npx create-agent-chat-app@latest

该 CLI 会设置聊天界面，并帮助您配置应用程序，包括：

• 🧠 四种预建智能体可供选择（ReAct、Memory、Research、Retrieval）
• 🌐 前端框架（Next.js 或 Vite）
• 📦 包管理器（npm、yarn 或 pnpm）

为什么使用 LangGraph？

LangGraph 专为希望构建强大且适应性强的 AI 智能体的开发者而设计。开发者选择 LangGraph 的原因在于：

• 可靠性和可控性。 通过审核机制和人工审批来引导智能体的行为。LangGraph 可以持久化上下文信息，支持长时间运行的工作流，确保您的智能体始终按计划执行。
• 低层级且可扩展。 使用完全描述性的低层级原语构建自定义智能体，摆脱限制自定义的僵化抽象。您可以设计可扩展的多智能体系统，每个智能体根据您的应用场景承担特定角色。
• 一流的流式传输支持。 LangGraph 支持逐个 token 的流式传输以及中间步骤的流式输出，让用户能够实时清晰地了解智能体的推理过程和行动。

LangGraph 已被广泛应用于生产环境，并为以下公司提供了智能体支持：

• Klarna：为8500万活跃用户提供客服机器人
• Elastic：用于威胁检测的安全 AI 助手
• Uber：自动生成单元测试
• Replit：代码生成
• 以及更多公司（查看完整列表）

LangGraph 的生态系统

尽管 LangGraph 可以独立使用，但它也能与任何 LangChain 产品无缝集成，为开发者提供一套完整的智能体构建工具。为了提升您的 LLM 应用程序开发效率，可以将 LangGraph 与以下产品结合使用：

• LangSmith — 非常适合智能体评估和可观ability。您可以调试表现不佳的 LLM 应用程序运行情况，评估智能体的决策路径，在生产环境中获得透明度，并持续改进性能。
• LangGraph 平台 — 通过专门构建的部署平台，轻松部署和扩展长期运行的状态化工作流。您可以在团队之间发现、重用、配置和共享智能体，并借助 LangGraph Studio 进行可视化原型设计，快速迭代。

与 LangGraph 平台的结合使用

虽然 LangGraph 是我们的开源智能体编排框架，但对于需要规模化部署智能体的企业而言，LangGraph 平台 将带来显著优势。

LangGraph 平台可以帮助工程团队：

• 加速智能体开发：利用可配置模板和 LangGraph Studio 快速创建智能体用户界面，实现智能体交互的可视化和调试。
• 无缝部署：我们负责处理智能体部署的复杂性。LangGraph 平台包含强大的内存、线程和定时任务 API，以及自动扩展的任务队列和服务器。
• 集中管理和智能体复用：在整个组织内发现、重用并管理智能体。业务人员无需编写代码即可修改智能体。

其他资源

• LangChain 论坛：与社区交流，分享您的技术问题、想法和反馈。
• LangChain 学院：通过我们免费的结构化课程学习 LangGraph 的基础知识。
• 教程：包含引导式示例的简单入门指南，帮助您快速上手 LangGraph。
• 模板：针对常见代理工作流（如 ReAct 代理、记忆、检索等）的预构建参考应用，可直接克隆并进行定制。
• 操作指南：涵盖流式处理、添加记忆与持久化、设计模式（如分支、子图等）等主题的快速、可执行代码片段。
• API 参考：详细介绍了核心类、方法，以及如何使用图和检查点 API，还有更高层次的预构建组件。
• 由 LangGraph 构建：了解行业领军企业如何利用 LangGraph 打造功能强大、可投入生产的 AI 应用。

致谢

LangGraph 的灵感来源于 Pregel 和 Apache Beam。其公共接口的设计则受到 NetworkX 的启发。LangGraph 由 LangChain Inc. 开发，该公司也是 LangChain 的创建者，但 LangGraph 无需依赖 LangChain 即可使用。

LangGraph.js 快速上手指南

LangGraph.js 是一个用于构建可控、有状态 AI 智能体（Agent）的低级编排框架。它支持长期记忆、人机协作（Human-in-the-loop）以及复杂的任务流处理，被 Replit、Uber、LinkedIn 等公司广泛应用于生产环境。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• Node.js: 建议安装 LTS 版本（v18 或更高）。
• 包管理器: npm、yarn 或 pnpm。
• 前置知识: 熟悉 TypeScript/JavaScript 基础及 LangChain 核心概念（可选，但推荐）。

提示：国内开发者若遇到网络延迟，可配置国内镜像源加速依赖下载：

npm config set registry https://registry.npmmirror.com

安装步骤

通过 npm 安装核心库及 LangChain 核心依赖：

npm install @langchain/langgraph @langchain/core

如果您计划使用特定的模型提供商（如示例中的 Anthropic），还需安装对应的集成包：

npm install @langchain/anthropic

此外，您还需要安装用于定义工具 Schema 的验证库：

npm install zod

基本使用

以下是一个最简示例，展示如何创建一个具备搜索能力的 ReAct 智能体。该智能体能根据用户输入调用自定义工具，并返回结果。

代码示例

创建文件 agent.ts 并填入以下代码：

// npm install @langchain-anthropic
import { createReactAgent, tool } from "langchain";
import { ChatAnthropic } from "@langchain/anthropic";

import { z } from "zod";

// 1. 定义一个自定义工具 (search)
const search = tool(
  async ({ query }) => {
    if (
      query.toLowerCase().includes("sf") ||
      query.toLowerCase().includes("san francisco")
    ) {
      return "It's 60 degrees and foggy.";
    }
    return "It's 90 degrees and sunny.";
  },
  {
    name: "search",
    description: "Call to surf the web.",
    schema: z.object({
      query: z.string().describe("The query to use in your search."),
    }),
  }
);

// 2. 初始化大语言模型
const model = new ChatAnthropic({
  model: "claude-3-7-sonnet-latest",
  // 请确保在环境变量中设置了 ANTHROPIC_API_KEY
});

// 3. 创建 ReAct 智能体
const agent = createReactAgent({
  llm: model,
  tools: [search],
});

// 4. 调用智能体
const result = await agent.invoke({
  messages: [
    {
      role: "user",
      content: "what is the weather in sf",
    },
  ],
});

console.log(result.messages[result.messages.length - 1].content);

运行说明

1. 确保已设置环境变量 ANTHROPIC_API_KEY。
2. 使用 TypeScript 运行环境（如 tsx 或编译后运行）执行上述文件：

   npx tsx agent.ts
   

3. 智能体将自动分析意图，调用 search 工具查询旧金山天气，并生成最终回答。

---

进阶启动：若想快速构建包含前端界面的全栈应用，可使用官方 CLI 一键生成项目：

npx create-agent-chat-app@latest