LangGraph 基本概念

LangGraph 是 LangChain 一个公司发布的多智能体框架，其机制有点像状态机。核心组件有 Node(节点)，Graph(图)。

Node(节点)

节点可以是一个 api ，一个函数，一次 LLM 调用，或者其他操作。需要满足一个输入，一个输出的要求。

Graph(图)

图是 节点 以及 连接关系 的集合，定义信息如何从一个节点到另一个节点。典型的有分支，循环。

jupyter 实战

以下为 .ipynb 文件导出为 markdown

装一下依赖

! uv pip install langgraph

[2mAudited [1m1 package[0m [2min 23ms[0m[0m

定义结构

定义 state

from langchain_core.messages import AnyMessage
from typing_extensions import TypedDict

#定义节点间通讯消息格式，类似于Java里的Context上下文
class State(TypedDict):
    messages:list[AnyMessage];
    extra_fleid:int;

定义Node

from langchain_core.messages import AIMessage

def node(state:State):
    messages=state['messages']
    new_message=AIMessage("Hello,this is node!")
    return {
        "messages":messages+[new_message],
        "extra_fleid":1
    }

定义图

from langgraph.graph import StateGraph

graph=StateGraph(State)
graph.add_node(node)
graph.set_entry_point("node")
graph_builder=graph.compile()

查看节点于图

from IPython.display import Image,display

display(Image(graph_builder.get_graph().draw_mermaid_png()))

创建实例并运行

from langchain_core.messages import HumanMessage

result=graph_builder.invoke({
    "messages":[HumanMessage("你好我是tom")]
})
result

{'messages': [HumanMessage(content='你好我是tom', additional_kwargs={}, response_metadata={}),
  AIMessage(content='Hello,this is node!', additional_kwargs={}, response_metadata={}, tool_calls=[], invalid_tool_calls=[])],
 'extra_fleid': 1}