从传统 LangChain 代理迁移到 LangGraph 的指南

在本指南中，我们将展示如何从传统的 LangChain 代理迁移到更为灵活的 LangGraph 代理。LangChain的 `AgentExecutor` 有多种配置参数。在这里，我们将展示这些参数如何映射到 LangGraph 的 ReAct 代理执行器，并使用 `create_react_agent` 预建方法进行帮助。

## 技术背景介绍

随着 AI 技术的进步，开发人员对工具调用代理的需求也越来越复杂。LangChain 提供的传统代理已成为许多开发者的首选，然而其灵活性受到一定限制。为了解决这一问题，LangGraph 提供了更强大的扩展功能，支持更多的配置选项和状态管理。

## 核心原理解析

LangGraph 的 ReAct 代理执行器通过状态管理消息列表来实现。在整个执行过程中，它会继续处理列表，直到代理的输出中不再有工具调用。通过输入一个消息列表来启动代理，输出将包含整个会话历史。

## 代码实现演示

### 环境准备

使用 OpenAI 作为语言模型。
```python
import os
from langchain_openai import ChatOpenAI

os.environ["OPENAI_API_KEY"] = "sk-..."
model = ChatOpenAI(model="gpt-4o")

基本用法

从工具调用的 ReAct 风格代理的基本创建和使用开始。首先定义模型和工具，然后使用它们来创建代理。

from langgraph.prebuilt import create_react_agent
from langchain_core