AI Agent开发学习系列 - LangGraph(5): 有多个节点的Sequential Graph

在这个LangGraph示例中，多个顺序节点的处理机制展示了工作流的线性执行过程：通过定义两个独立的节点函数（first_note和second_node），每个节点负责处理状态的不同部分，然后使用add_edge方法将它们按顺序连接起来，形成一条从入口点到出口点的执行路径。这种设计使得复杂任务可以分解为多个简单的步骤，每个节点都可以独立开发和测试，同时保持整个工作流的清晰性和可维护性。

from typing import TypedDict
from langgraph.graph import StateGraph

class AgentState(TypedDict):
    name: str
    age: str
    final: str

def first_note(state: AgentState) -> AgentState:
    """This is the first node of our sequence"""

    state["final"] = f"Hi {state["name"]}"
    return state

def second_node(state: AgentState) -> AgentState:
    """This is the second node of our sequence"""

    state["final"] = state["final"] + f", you are {state["age"]} years old!"
    return state

graph = StateGraph(AgentState)

graph.add_node("first_note", first_note)
graph.add_node("second_node", second_node)

graph.set_entry_point("first_note")
graph.add_edge("first_note", "second_node")
graph.set_finish_point("second_node")

app = graph.compile()

from IPython.display import Image, display
display(Image(app.get_graph().draw_mermaid_png()))

answers = app.invoke({"name": "Alex", "age": "25"})
print(answers["final"])

运行结果：

Hi Alex, you are 25 years old!

add_edge 是 LangGraph 中用于连接节点的核心方法，它定义了工作流中节点之间的执行顺序。

关键特点

• 顺序控制: 指定节点执行的先后顺序
• 线性流程: 从源节点到目标节点的单向连接
• 状态传递: 自动将状态从一个节点传递到下一个节点