dotsagent.io
Sprache:Deutsch
Framework · LangChain Inc.

LangGraph im Überblick

LangChains Low-Level-Bibliothek für Agents, die als explizite Graphen aufgebaut sind und deren Kern Checkpointing des Zustands und Interrupts bilden. LangChains create_agent aus v1 baut darauf auf und eignet sich, wenn eine vorgefertigte Schleife ausreicht.

Ideal für: Lang laufende, zustandsbehaftete Agents, bei denen Sie jeden Schritt steuern und nach Fehlern fortsetzen möchten.

Wichtige Fakten

Maintainer
LangChain Inc.
Sprachen
Python, TypeScript, JavaScript
Lizenz
MIT
Neueste Version
langgraph 1.2.12 / langchain 1.4.3 · 28. September 2026
Repository
langchain-ai/langgraph · 42.550 Sterne
Gehostete Option
LangSmith Deployment (formerly LangGraph Platform)
Früher LangGraph Platform; Studio dient dem visuellen Prototyping.

Schnellstart

Installieren Sie das Paket, richten Sie die Zugangsdaten ein und starten Sie dann den einfachsten Agent aus der offiziellen Dokumentation. Die Modell-IDs entsprechen denen in der Dokumentation und sind möglicherweise nicht für Ihr Konto freigeschaltet.

Python (LangChain create_agent)

Installieren
pip install -U langchain

Benötigt Provider API key, e.g. OPENAI_API_KEY

Python (LangChain create_agent)
from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="openai:gpt-5.5",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "What's the weather in San Francisco?"}]}
)
print(result["messages"][-1].content_blocks)

Quelle des Schnellstarts

Python (raw LangGraph)

Installieren
pip install -U langgraph
Python (raw LangGraph)
from langgraph.graph import StateGraph, MessagesState, START, END

def mock_llm(state: MessagesState):
    return {"messages": [{"role": "ai", "content": "hello world"}]}

graph = StateGraph(MessagesState)
graph.add_node(mock_llm)
graph.add_edge(START, "mock_llm")
graph.add_edge("mock_llm", END)
graph = graph.compile()

graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})

Quelle des Schnellstarts

Funktionen

Beliebiges ModellJa
MCP-ClientJaÜber langchain-mcp-adapters
MCP-ServerNicht bestätigt
Multi-AgentJaSubgraphs; das Deep Agents-Harness ergänzt Unteragents
Persistente AusführungJaCheckpointer für Postgres oder SQLite; nach Fehlern fortsetzen
Menschliche FreigabeJaMit Interrupts können Sie den Status während eines Laufs prüfen und bearbeiten
TracingJaÜber LangSmith mit LANGSMITH_TRACING=true
EvalsNeinEvaluationen sind in LangSmith integriert, nicht in der Open-Source-Bibliothek

Aktuelle Änderungen

  • LangChain-v1-Agenten (create_agent) basieren jetzt auf LangGraph.
  • LangGraph Platform wurde in LangSmith Deployment umbenannt.
  • Deep Agents, ein Harness auf Basis von LangGraph, ergänzt Subagenten.

Alternativen in derselben Sprache

Quellen

  1. docs.langchain.com/oss/python/langgraph/overview
  2. docs.langchain.com/oss/python/langchain/quickstart
  3. pypi.org/pypi/langgraph/json
  4. pypi.org/pypi/langchain/json
  5. registry.npmjs.org/@langchain%2flanggraph
  6. api.github.com/repos/langchain-ai/langgraph