LangGraph

LangGraph 是什么

LangGraph 是 LangChain 库，是面向当前 LLM 开发领域最火热的 AI Agent 开发与控制的 python 库，也是 LangChain 试图用来 弥补其在 Agent 开发、特别是复杂的多 Agent 系统定制方面的不足 的重大尝试。

LangGraph并非一个独立于Langchain的新框架，它是基于Langchain之上构建的一个扩展库，可以与Langchain现有的链、LCEL等无缝协作。LangGraph能够协调多个Chain、Agent、Tool等共同协作来完成输入任务，支持LLM调用“循环”以及Agent过程的更精细化的控制。

LangGraph的实现方式是把之前基于AgentExecutor的黑盒调用过程用一种新的形式来构建：状态图（StateGraph）。 把基于LLM的任务（比如RAG、代码生成等）细节用Graph进行精确的定义（定义图的节点与边），最后基于这个图来编译生成应用；在任务运行过程中，维持一个中央状态对象(state)，会根据节点的跳转不断更新，状态包含的属性可自行定义。

LLM 应用

LLM 使将智能嵌入到新型应用程序中成为可能。有许多模式可以构建使用 LLM 的应用程序。工作流 在 LLM 调用周围具有预定义代码路径的支架。 LLM 可以指导控制流通过这些预定义的代码路径，有些人认为这是一个“agentic 系统”。在其他情况下，可以删除此支架，从而创建自主 Agent，这些 Agent 可以 计划，通过 工具调用 采取行动，并直接 对来自自身行动的反馈做出响应，采取进一步的行动。

LangGraph 的功能

LangGraph 提供位于任何工作流或 Agent 下方的低级支持基础设施。它不抽象提示或架构，并提供三个核心优势：

持久性

LangGraph 具有持久性层，它提供了许多好处：

• 内存：LangGraph 持久化应用程序状态的任意方面，支持对话的内存以及用户交互内部和跨用户的其他更新；
• 人机协作：由于状态已检查点，因此可以中断和恢复执行，从而允许通过人工输入进行决策、验证和更正。

流式处理

LangGraph 还支持在执行过程中将工作流/ Agent 状态流式传输到用户（或开发人员）。 LangGraph 支持流式传输事件（例如来自工具调用的反馈）和嵌入在应用程序中的 来自 LLM 调用的令牌。

调试和部署

LangGraph 通过 LangGraph 平台 为测试、调试和部署应用程序提供了一个简单的入口。这包括 Studio，这是一个 IDE，可以实现工作流或 Agent 的可视化、交互和调试。 这还包括许多选项 用于部署。