大模型专题11—LangGraph×LLM工作流全栈指南：增强型模型/并行化/路由/评估优化完整实现

本指南回顾了代理系统的常见模式。在描述这些系统时，区分“工作流”和“Agent”是很有用的。一个很好的理解这种区别的方法在Anthropic的《构建高效Agent》博客文章中有很好的解释：

工作流是通过预定义的代码路径来协调LLM和工具的系统。而Agent则是LLM动态地指挥自己的过程和工具使用，控制它们如何完成任务。

这里有一个简单的方式来形象化这些区别：

在构建Agent和工作流时，LangGraph提供了许多优势，包括持久化、流式处理、调试支持以及部署支持。

1. 设置

您可以使用任何支持结构化输出和工具调用的聊天模型。下面，我们展示了安装软件包、设置API密钥以及测试Anthropic的结构化输出/工具调用的过程。

安装依赖项

pip install langchain_core langchain-anthropic langgraph  # 安装 langchain_core、langchain-anthropic 和 langgraph 这三个 Python 库，