从框架到智能体，一文看懂LangChain五兄弟的秘密

关注

原创最新推荐文章于 2026-11-14 14:45:05 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

第5章：实战项目二 - 召唤你的第一个AI智能体 (Agent) 实战项目二 - 召唤你的第一个AI智能体 (Agent) 阅读详情

我估计，现在可能有很多朋友只是知道LangChain是开发智能体用的一个框架，在开发智能体的过程中，断断续续的用了LangChain库里面的一些组件，而没有系统性真正了解过LangChain，今天就给大家简单介绍下。希望通过这篇文章，大家能更好地对LangChain有一个全新的认识。

Github地址：

https://github.com/langchain-ai/langchain

LangChain生态整体概述

LangChain最早是由里森·蔡斯（Harrison Chase）在2022年底发布的，它最早出现的初衷，其实很简单，就是想进行一层封装，让开发人员可以把prompt写的更灵活，可以更好的操作大模型，所以在最早期，PromptTemplate这个概念是非常火的。后来在写的过程中，他发现操作大模型需要各种东西，就不停的往里加Memory、LLMChain等概念，最后让LangChain变成了一个在开源领域特别火的开发大模型应用的框架，封装了很多好用的工具，在开发者中备受好评。

由于LangChain开源社区发展的好，有钱了，有热度，也有那么多乐于贡献的开发者，使LangChain生态越来越丰富，框架也越来越好用。然后从2023年Q2季度开始，到2023年底，随着智能体概念的慢慢兴起，各种AI技术飞速发展，LangChain也是与时俱进，增加了很多好用的新特性，例如Tools、Agent、Retrieval等。并且，还推出了LangChain Hub与LangSmith（简单理解成监控平台即可）。这时候，LangChain就逐渐不单单是一个框架那么简单了，他可以做从开发到监控层面。

接着，LangChain备受大家好评，已经成为了世界上最流行的AI应用层开发的必备工具，发展也是越来越快，然后就进入了高度发展阶段，在2024年～2025年上半年期间，又陆续推出了LangGraph与LangServe，实现多智能体图（Graph）式状态管理与服务化部署，正式标志着，LangChain从“框架”进化为了“生态”。

而LangChain的发展并没有停止脚步，在三个月前，2025年8月，LangChain团队又正式推出Deep Agents。

到目前为止，LangChain的生态主要包含了LangChain、LangGraph、Deep Agents、LangServe与LangSmith这五兄弟。

那这五兄弟是干啥的呢，他们之前有什么区别和联系呢，下面我们正式进入正题。

1、LangChain：智能体系统的开发基石

LangChain作为整个生态的核心与起点，承担着“语言模型工程化框架”的角色。他的出现，为开发者提供了模型调用、Prompt设计、逻辑链路编排、工具集成等一系列的基础能力，使开发者写很少的代码，就可以快速的构建起AI应用或智能体，是真的很香。这么说可能大家还没有感觉，我说几个它重要的特性吧。

1）、它提供了统一接口层，屏蔽了不同模型服务（如OpenAI、Anthropic、Ollama等）的差异，让我们可以操作各种大模型时，按照一定规定的参数传入即可，不需要为每个大模型去写不同的代码去适配。

2）、模块化设计，它通过Memory、Tool、Agent、Middleware等模块实现可重组的开发范式，非常灵活，就和积木一样。

3）、生态开放性，它支持数百种外部工具的集成，如数据库、搜索引擎、API、云服务等。

在整个生态体系中，LangChain相当于“智能体的操作系统内核”，是所有组件的基础。

官网：

https://docs.langchain.com/oss/python/langchain/overview

2、LangGraph：智能体的状态编排引擎

随着业务越来越复杂，智能体系统也从单Chain，逐渐演化为多Chain的协作系统，LangGraph就是顺应这一需求出现的产物。我们可以把LangGraph简单理解成LangChain生态中的运行时编排层，通过有向图（Graph）结构，管理智能体的任务流与状态。嗯…再说的细一点吧。LangGraph的核心思想，是将智能体系统抽象为一个有向图，大家需要理解其下面的节点（Node）、边（Edge）和状态（State）这三个核心概念，具体就不解释了。

整体生态系统中，LangGraph的作用，是让多个Chain“协同起来”。

官网：

https://docs.langchain.com/oss/python/langgraph/overview

3、Deep Agents：智能体的深层自治外骨骼

Deep Agents是3个月前刚出的全新组件，被定位为Agent Harness（智能体外骨骼）。它运行在LangGraph与LangChain之上，为智能体赋予更强的计划、记忆与协作能力，用于构建能够完成复杂、长期任务的AI系统（多智能体）。它的核心能力包含了，显式规划、虚拟文件系统、子智能体、长期记忆和可扩展中间件。

整个生态系统中，如果说LangChain是智能体的“神经系统”，LangGraph是“神经网络的连接方式”，那么Deep Agents就是智能体的“大脑皮层”，让它具备计划、推理与自我管理能力。

（可以简单说，LangChain是基础框架，LangGraph是在LangChain基础上的高级编排工具，Deep Agents是在LangGraph上实现复杂任务处理的工具。）

官网：

https://docs.langchain.com/oss/python/deepagents/overview

4、LangServe：智能体的部署与API化

LangServe很好理解，提供了服务化的部署能力，用于将Agent转化为可对外访问的Web服务（API）。具体不过多解释了。

5、LangSmith：可观测性与质量管理平台

最后一个LangSmith，它是LangChain官方推出的可观测性与评测平台，用于跟踪、记录和分析智能体在运行过程中的每一次调用链路。例如，我们可以用可视化的方式去查看模型调用、Prompt输入、输出结果和工具使用等状况，在平台上还支持人工与自动化评测。

所以，LangSmith的引入，让LangChain生态实现了完整的闭环管理。

官网：

https://docs.langchain.com/langsmith/home

随着LangChain功能的持续演进，它已不再是一个单纯的Python库，而是逐步发展成为一个围绕智能体系统全生命周期的完整生态体系。这个生态体系由五个核心支柱构成：LangChain、LangGraph、Deep Agents、LangServe、LangSmith，它们分别承担从开发、编排、自治、部署、监控五个阶段的核心职责，构成了一个贯穿从研发到生产、从单体到多智能体的闭环体系。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇