框架 · LangChain Inc.
快速了解 LangGraph
LangChain 的底层库，用于将 agent 构建为显式图；核心功能包括带检查点的状态和中断。LangChain v1 的 create_agent 基于它构建，适用于预置循环已足够的场景。
适用于： 适用于长时间运行、有状态的 agent；你可以控制每个步骤，并在故障后恢复。
关键信息
- 维护者
- LangChain Inc.
- 语言
- Python, TypeScript, JavaScript
- 许可证
- MIT
- 最新版本
langgraph 1.2.12 / langchain 1.4.3· 2026年9月28日- 代码仓库
- langchain-ai/langgraph
- 托管选项
- LangSmith Deployment (formerly LangGraph Platform)
快速入门
安装软件包、设置凭据，然后运行官方文档中的最简 agent。这里使用的模型 ID 与文档一致，但你的账户可能尚未启用这些模型。
Python (LangChain create_agent)
pip install -U langchainfrom 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)Python (raw LangGraph)
pip install -U langgraphfrom 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!"}]})功能
| 支持任意模型 | 是 | |
|---|---|---|
| MCP 客户端 | 是 | 通过 langchain-mcp-adapters 接入 |
| MCP 服务器 | 尚未确认 | |
| 多 agent | 是 | 支持子图；Deep Agents harness 可添加子 agent |
| 持久化运行 | 是 | 支持使用 Postgres 或 SQLite 作为 checkpointer；可在故障后恢复 |
| 人工审批 | 是 | 中断可让你在运行过程中检查和编辑状态 |
| 追踪 | 是 | 通过 LangSmith 启用，设置 LANGSMITH_TRACING=true |
| 评测 | 否 | 评估功能由 LangSmith 提供，不属于开源库 |
近期更新
- LangChain v1 智能体（create_agent）现在基于 LangGraph 构建。
- LangGraph Platform 已更名为 LangSmith Deployment。
- Deep Agents 是构建在 LangGraph 之上的执行框架，支持子智能体。