LangGraph中结点并行执行

LangGraph节点并行执行解析

最新推荐文章于 2025-11-02 16:15:00 发布

原创

最新推荐文章于 2025-11-02 16:15:00 发布 · 463 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

基本概念

LangGraph 支持节点的并行执行这种并行化可以通过扇出（fan-out）和扇入（fan-in）机制实现，利用标准边或条件边（conditionalEdges）来完成。框架原生支持并行执行可以显著提升基于图的工作流的性能

LangGraph 的状态图执行模型中有一个“超级步”（superstep）的概念。当一个节点有多个出边（无论是普通边还是条件边返回了多个目标节点名）时，所有这些目标节点会在下一个“超级步”中被并行执行。同一层级的节点会并行执行，但它们的执行顺序是不确定的。这意味着，只要节点之间没有依赖关系（例如，一个节点的输出不能作为另一个并行节点的输入），它们就可以同时运行。

案例

from typing import TypedDict, Annotated, List
import operator
from langgraph.graph import StateGraph, END
import time
import asyncio # 用于模拟异步操作

# 定义状态。使用列表来收集并行节点的结果。
class AgentState(TypedDict):
    query: str # 用户的原始查询
    parallel_results: Annotated[List[str], operator.add] # 用于累积并行节点的输出

# 模拟两个并行执行的工具节点
async def tool_weather(state: AgentState):
    """模拟调用天气API"""
    await asyncio.sleep(5) # 模拟网络延迟
    result = f"Weather info for '{
     
     state['query']}': Sunny, 25°C"
    print(f"Executed tool_weather: {
     
     result}"