LangGraph 入门：状态图与多步 Agent

第 12 章的 AgentExecutor 适合线性工具调用。当流程需要「循环、分支、人工审核、长期状态」时，LangGraph 更合适——它把应用建模成一张状态图（StateGraph）：节点是步骤，边是流转，状态在节点间累积。

1. 定义状态与节点

状态用 Annotation 声明，并指定「多个节点如何合并同一字段」：

import { StateGraph, Annotation, START, END } from "@langchain/langgraph";
import { ChatOpenAI } from "@langchain/openai";
 
const State = Annotation.Root({
  messages: Annotation<{ role: string; content: string }[]>({
    reducer: (a, b) => a.concat(b),
    default: () => [],
  }),
  step: Annotation<number>({ default: () => 0 }),
});
 
const model = new ChatOpenAI({ model: "gpt-4o-mini" });
 
async function agent(state: typeof State.State) {
  const res = await model.invoke(state.messages);
  return {
    messages: [{ role: "assistant", content: res.content as string }],
    step: state.step + 1,
  };
}

2. 加边与条件路由

START 是入口，END 是终点；addConditionalEdges 让模型决定下一步走向，实现循环或分支：

function route(state: typeof State.State) {
  if (state.step >= 5) return END;
  if (state.messages.at(-1)?.content.includes("完成")) return END;
  return "agent";
}
 
const graph = new StateGraph(State)
  .addNode("agent", agent)
  .addEdge(START, "agent")
  .addConditionalEdges("agent", route, { agent: "agent", [END]: END })
  .compile();
 
const out = await graph.invoke({
  messages: [{ role: "user", content: "逐步规划一次产品发布" }],
});

ℹ️为什么用 LangGraph

相比 AgentExecutor，它支持：①多节点循环（不止一次工具调用）；②可中断/恢复（human-in-the-loop）；③显式状态管理。复杂 Agent 首选。

3. 与工具结合

把第 12 章的工具包装成节点，用条件边在「调用工具」与「结束」间切换，即可重建一个可控的 ReAct 循环。

💡可观测

LangGraph 与 LangSmith 天然兼容，compile() 后的图在 LANGCHAIN_TRACING_V2=true 下会被完整追踪每一步状态。

🎯练习

把上面的示例改成「带工具」的图：新增一个 toolNode，让 route 根据模型是否请求工具决定走 toolNode 还是 END。

小结

LangGraph 用 StateGraph 把流程建成状态图，节点累积状态
Annotation 的 reducer 决定字段如何合并
addConditionalEdges + START/END 实现循环与分支
适合需要循环、中断、长期状态的多步 Agent
下章把链部署成在线 API →