dotsagent.io
Idioma:Español
Framework · LangChain Inc.

LangGraph de un vistazo

Biblioteca de bajo nivel de LangChain para crear agentes como grafos explícitos, con estado guardado mediante puntos de control e interrupciones como elementos centrales. create_agent de LangChain v1 funciona sobre esta biblioteca cuando basta con un ciclo predefinido.

Ideal para: Agentes con estado y de larga duración en los que se quiere controlar cada paso y reanudar la ejecución tras un fallo.

Datos clave

Mantenedor
LangChain Inc.
Lenguajes
Python, TypeScript, JavaScript
Licencia
MIT
Última versión
langgraph 1.2.12 / langchain 1.4.3 · 28 de septiembre de 2026
Repositorio
langchain-ai/langgraph · 42.550 estrellas
Opción alojada
LangSmith Deployment (formerly LangGraph Platform)
Antes se llamaba LangGraph Platform; Studio permite crear prototipos visuales.

Inicio rápido

Instala el paquete, configura las credenciales y ejecuta el agente más sencillo de la documentación oficial. Los ID de modelo son los que usa la documentación y puede que no estén habilitados en tu cuenta.

Python (LangChain create_agent)

Instalar
pip install -U langchain

Requiere 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)

Fuente de la guía de inicio rápido

Python (raw LangGraph)

Instalar
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!"}]})

Fuente de la guía de inicio rápido

Funciones

Cualquier modeloSí
Cliente MCPSíMediante langchain-mcp-adapters
Servidor MCPSin confirmar
MultiagenteSíSubgrafos; el harness Deep Agents añade subagentes
Ejecuciones duraderasSíPuntos de control para Postgres o SQLite; reanudación tras fallos
Aprobación humanaSíLas interrupciones permiten inspeccionar y editar el estado durante la ejecución
TrazasSíA través de LangSmith, con LANGSMITH_TRACING=true
EvaluacionesNoLa evaluación está en LangSmith, no en la biblioteca de código abierto

Cambios recientes

  • Los agentes de LangChain v1 (create_agent) ahora se basan en LangGraph.
  • LangGraph Platform pasó a llamarse LangSmith Deployment.
  • Deep Agents, una capa de ejecución sobre LangGraph, añade subagentes.

Alternativas en el mismo lenguaje

Fuentes

  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