从 “0” 到 “1”！手把手教你用 LangGraph 搭建 AI Agent

AI Agent 作为一种强大的智能工具，能够高效地执行自动化任务、准确回答用户查询、快速进行数据处理等。

它的身影广泛地活跃在客户支持、智能推荐、内容生成等多个领域，极大地提升了工作效率和用户体验。

然而，AI Agent 领域所涉及的技术较为复杂，这常常让刚踏入 AI 领域的开发者以及对 Agent 系统充满好奇的初学者望而却步。

不过，现在有了 LangGraph 这个得力助手，即使是零基础的新手也能轻松创建一个简单但功能齐全的 AI 代理，逐步拆解基础知识，快速开启 AI 代理构建之旅。

本文将分为两个部分进行详细讲解，帮助你快速入门：第一部分是 LangGraph 的组成部分；第二部分是构建和执行你的第一个 AI 代理。

构建 AI 代理的价值远不止于实现某些任务的自动化，它还体现在多个重要方面，例如提高效率、增强用户体验、便捷的构建与部署等。

接下来，让我们深入了解如何使用 LangGraph 来构建 AI 代理。

一、LangGraph 中图的主要组成部分

1.1 节点

在 LangGraph 中，节点本质上是 Python 函数。它接收图的状态作为首个参数，通过这个参数，节点能够获取 Graph 中的动态信息，并对状态进行更新，从而实现与 Graph 的交互。每个节点的操作都是基于对共享状态的处理和修改展开的。默认情况下，节点还会覆盖前置状态值。

1.2 边

边在图中可以视为连接两个节点的桥梁，它将两个端点连接在一起。边主要分为以下两种类型：

普通边

指的是没有设置任何条件的边，只要流程执行到该节点，就会按照边的连接顺序进入下一个节点。

条件边

仅在特定条件满足时才会被遍历的边。它会根据一系列逻辑判断和条件语句（通常使用 if 和 else 语句）来返回下一个要访问的节点名称。

1.2.1 额外知识点

孤立节点

在图论中，孤立节点是指没有任何边与其他节点相连的节点（顶点），它完全与图中的其他部分断开，度数为 0。

状态

状态是在图形的不同节点和边之间传递的对象，它通常是处理图时首先定义的关键要素。在构建的过程中，状态对象承载了必要的上下文信息，为各个组件之间的交互提供了标准化的数据格式。

二、构建一个简单的 Graph

2.1 构建 Graph 节点

在构建图时，我们首先需要明确图应该执行的功能，然后将这些功能构思转化为普通的 Python 函数，这些函数就是图中的节点。以下是三个简单的节点示例：

从上述代码可以看出，每个节点都会对图形状态进行修改。在 Python 中运行这段代码时，可能会收到关于未定义图形状态的警告，不过不用担心，接下来我们会进行处理。

2.2 构建 Graph 状态

Graph 的状态对象用于维护 Graph 中当前活动的短期记忆，并作为参数传递给每个节点。在 LangGraph 中，我们可以利用 TypedDict、Pydantic 和内置类来构建和管理这些状态对象。为了保持实现的简单性和清晰度，我们选择使用 TypedDict 来定义图形状态：

此时，我们的状态包含了一个名为 graph_msg 的变量，用于储存 Graph 的消息。通过前面节点的代码，我们可以清楚地看到变量是如何在每个 Graph 节点中被更新的。

2.3 构建实际 Graph

现在我们已经准备好所需的组件，接下来就可以开始构建实际的 Graph 了。首先，我们需要传入 Graph 的状态，并使用 LangGraph 中的类来完成构建，这里我们将导入 StateGraph 类。

2.4 添加所有的节点

我们可以通过以下代码将所有节点添加到 Graph 中：

其中，START 是一个特殊的节点，它用于将状态传递给 Graph，以初始化 Graph 代理，标志着执行的起点；END 是另一个特殊节点，用于指示终止点。

2.5 添加边

接下来，我们继续向 Graph 添加边：

2.6 编译 Graph

在完成设置后，我们需要对 Graph 进行编译。编译 Graph 时会执行一些操作，例如检查孤立节点是否存在，以及对 Graph 结构进行其他检查。以下是编译 Graph 的代码：

2.7 Graph 可视化

为了直观地查看 Graph 的结构，我们可以使用 Python 代码对创建的 Graph 进行可视化。需要注意的是，为了确保代码正常运行，请从 Python 笔记本运行。以下是可视化 Graph 的代码：

从可视化的图中，我们可以清晰地看到条件边用虚线表示，正常边用实线表示。

2.8 Graph 调用

完成 Graph 的编译后，我们就可以调用 Graph 了。在调用 Graph 时，需要注意以下几点：

编译后的 Graph 在 LangChain 中实现了可运行协议，这使得我们能够像处理 LangChain 中的其他链一样处理 Graph。

调用 Graph 时，需要传入它的状态。

每个节点都将接受当前状态并覆盖它。

执行将持续进行，直到到达 graph 的终止点。

invoke 方法异步运行 Graph，在移动到下一个节点之前，会等待每个节点完成。

Graph 在所有节点处理完成后，会返回最终的状态。

我们可以通过以下代码调用 Graph：

以上就是使用 LangGraph 创建 AI 代理的关键代码和步骤。

恭喜你迈出了成为 AI Agent 构建者的第一步，希望你在后续的学习和实践中不断探索，创造出更强大、更智能的 AI 代理！