JaydenAI的博客

中间件除了可以通过定义继承自`AgentMiddleware`的类型来定义，还可以在某个满足签名条件的函数上应用相应的装饰器将其转换成`AgentMiddlewre`对象，那么背后的逻辑是怎样的呢？

LangChain的中间件（Middleware）是围绕Agent执行流程构建的“可插拔钩子系统”。它允许开发者在不修改核心逻辑的情况下，在执行的关键节点（如输入处理、模型调用前后、输出解析等）对数据流进行拦截、修改或验证。中间件类型以`AgentMiddleware`为基类。

工具参数有两种来源，一种必需由外部提供，另一种则是由执行引擎根据约定自动注入，比如表示工具运行时的`ToolRuntime`。那么究竟什么样的对象可以注入到工具函数中，执行引擎又是如何识别和提供它们的呢？

在 LangChain框架中，工具是连接大语言模型与外部世界的桥梁。它们赋予了模型“行动”的能力，使其能够超越文本生成的范畴，去执行搜索、计算、运行代码或调用API等实际任务。工具本质上是带有名称 、描述 和Shema的函数。LLM并不直接运行工具（服务单工具除外），而是根据用户的查询，参考工具的描述来决定是否需要调用某个工具，并输出该工具所需的结构化参数。Agent接收到模型生成的参数后，在本地或服务器端执行该工具，并将结果返回给LLM，供其进行后续推理或总结。

数据只有具有希望的结构才可能被有效地处理，我们在调用`create_agent`函数创建Agent的时候，可以利用`response_format`控制输出的格式。我们可以定义一个Pydantic模型类表表示期望输出的结构，如果将此类型表示成`ResponseT`，我们可以直接将此类型作为`response_format`参数的值，也可以将此参数赋值为`ResponseFormat[ResponseT]`。

我们不断在强调Agent本质上是一个Pregel对象，其状态完全利用通道来维护，所以作为状态的`AgentState`对象的数据成员会转换成对应的通道。当我们看到`AgentState`的三个字段定义的时候，是不是感到很熟悉：前面演示实例输出的通道就有三个与它们同名。

对于最新版本的LangChain，我们可以利用LangGraph以“图”的形式编排一个具有复杂交互流程的Agent。`create_agent`工厂函数内部本质上也是利用的这种方式。由于Agent从执行层面来看就是一个Pregel对象，一个由节点和通道构建而成的Actor模型。综上所述，利用`create_agent`构建的Agent，其实也可以利用其他两种方式来创建。接下来我们就使用三种不同的编程模式构建一个等效的Agent。

单纯从消息交互的角度来看待Agent中的model节点，可以看出它旨在利用`AIMessage`提供两种类型的响应： 在需要调用一个或者多个工具情况下，利用`ToolCall`返回针对工具调用意图的描述；做出最终的答复。我们可以利用一个假的模型组件来验证这一点

作为LangChain智能体的Agent采用一种被称为ReAct循环的执行流程（如下图所示），这是一种结合了“推理”（Reasoning）与“行动”（Acting）的交互模式，旨在让Agent能像人类一样通过逻辑思考来解决复杂问题。但是从底层的执行方式来看，Agent本质上是一个Pregel对象(我的系列文章“[拆解LangChain执行引擎](https://blog.youkuaiyun.com/jaydenai/category_13127051.html)”对Pregel具有系统的介绍)，是一个通过节点和通道构