Python：基于LangGraph的StateGraph（状态图）应用开发实践

---

前言

  StateGraph 类是主要的图类。它通过用户定义的 State 对象进行参数化。要构建图，首先定义状态，然后添加节点和边，然后编译它。编译是一个非常简单的步骤。它对图的结构进行一些基本检查（例如，没有孤立节点）。可以在此处指定运行时参数，例如检查点和断点。所以，必须在使用图之前对其进行编译。

一、基本概念

  LangGraph的核心是将代理工作流建模为图。可以使用三个关键组件来定义代理的行为：

1. State：一个共享数据结构，表示应用程序的当前快照。它可以是任何 Python 类型，但通常是 TypedDict 或 Pydantic BaseModel。
2. Nodes：编码代理逻辑的 Python 函数。它们接收当前的 State 作为输入，执行一些计算或副作用，并返回一个更新的 State。
3. Edges：Python 函数，根据当前的 State 决定接下来执行哪个 Node。它们可以是条件分支或固定转换。

  通过组合 Nodes 和 Edges，您可以创建复杂、循环的工作流，使 State 随时间演进。因此，真正的力量来自于 LangGraph 如何管理 State。

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

• 预构建组件，用于创建代理。

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 install --upgrade httpx httpx-sse PyJWT

三、初始化大模型

1、连接大模型

from langchain_community.chat_models import ChatZhipuAI

llm = ChatZhipuAI(
    model="glm-4-flash-250414",
    temperature=0.7   
)

2、定义工具

from langchain.tools import tool