Python：基于LangGraph的AI Agent（智能代理）应用开发实践

---

前言

  前面我们发过文章《Python：基于LangChain的AI Agent（智能代理）应用开发实践》，但官方表示：“正在逐步淘汰LangChain中的 AgentExecutor，转而使用 LangGraph 中更灵活的解决方案。”。因此，文本我们将尝试使用LangGraph提供的方法构建智能体。

一、基本概念

  官网有云：LangGraph 提供了用于构建基于智能体的应用程序的底层原语和高级预构建组件。智能体由三个部分组成：

• 一个大型语言模型（LLM）
• 一组可供其使用的工具（Tool）
• 一个提供指令的提示（prompt）

  可以通过两种主要模式执行：

• 同步 使用 .invoke() 或 .stream()
• 异步 使用 await .ainvoke() 或 async for 配合 .astream()

  LangGraph根本上还是基于LangChain升级的框架。在LangGraph出现之前，像LangChain这样的库更适合构建顺序链式（Sequential Chain） 的应用程序，即一步接一步，没有循环或复杂分支。LangGraph解决了循环、多智能体协作、持久化状态以及更清晰的控制流。

二、安装依赖

1、安装LangChain包

pip install --upgrade langchain langchain-community

• langchain：主框架和标准组件。这是最常用的包，包含了核心的抽象、标准实现和常用工具。
• langchain-community：第三方集成。包含了所有与第三方服务（如OpenAI, Anthropic, Pinecone, Chroma等）的集成代码。这些集成由社区维护，稳定性可能不如核心包。

2、安装LangGraph包

pip install -upgrade langgraph

• 主要用到langgraph-prebuilt（创建智能体的预构建组件）包，它是langgraph的一部分。

3、安装大模型依赖

  文中使用的大语言模型-智谱AI，需要安装如下依赖：

pip