LangGraph

LangChain 团队推的图式 Agent 框架——更适合复杂多 Agent 编排。

详解

LangGraph 是 LangChain 团队提供的低层 Agent 编排运行时,用图来描述一个有状态流程:节点是执行步骤,边是路由规则,状态在节点之间传递并可被持久化。它重点解决生产 Agent 的几个难点:循环执行、条件分支、流式事件、检查点恢复、长任务不中断、人类审批和多 Agent 协调。和 LangChain 的高层接口相比,LangGraph 更像工作流引擎:你要自己设计状态结构和节点边界,但能清楚控制每一步怎么走、失败后从哪里恢复、哪些信息进入下一步。它也适合把原本散落在脚本里的重试、审批、回滚显式化。适合需要稳定控制流、可观测性和可恢复执行的复杂 Agent;简单问答或一次性工具调用用它会显得偏重。

一个类比
LangGraph 像铁路调度系统的轨道图:每列火车(任务)沿轨道(边)行驶,遇到岔路口(条件边)由信号灯(路由逻辑)决定走哪条线,某段轨道施工(等待人审批)时可以停靠挂起,施工结束再继续发车。
举个例子
一个代码审查 Agent:先调用工具运行静态扫描,拿到结果后判断——如果发现高危漏洞则自动转入人工审核节点,等工程师批准或拒绝后再决定是推送修复建议还是关闭 PR。这种「循环 + 条件分叉 + 人工节点」的流程用 LangGraph 的状态图建模最自然。
PYTHON 示例
相关概念