从 0 到 1 用 Python 写一个最小可用 LangGraph 系统关键词LangGraph, LangChain, 状态机, 多Agent系统, 图结构, LLM应用, Python实现摘要在这篇技术博客中，我们将深入探讨LangGraph的核心概念，并从零开始构建一个最小可用的LangGraph系统。LangGraph是LangChain生态系统中的一个重要组件，它允许我们构建更复杂、状态化的语言模型应用。我们将通过生动的比喻、详细的代码示例和图表，带你理解LangGraph的工作原理，并展示如何用Python实现一个基础但功能完整的LangGraph系统。无论你是LangChain的新手还是有经验的开发者，这篇文章都将为你提供有价值的见解和实用的代码实现。1. 背景介绍1.1 LangGraph的诞生背景在人工智能和自然语言处理快速发展的今天，大型语言模型(LLM)已经成为了各种应用的核心。从简单的问答系统到复杂的自动化工作流，LLM的应用场景正在不断扩大。然而，随着应用复杂度的增加，我们面临着一个新的挑战：如何有效地组织和管理多个LLM交互、工具调用和状态转换？传统的LLM应用通常采用线性或简单的分支结构，但这种方式在处理复杂任务时显得力不从心。想象一下，你正在构建一个客户服务机器人，它需要理解用户问题、查询数据库、调用外部API、根据不同情况做出不同决策，并且在整个过程中保持上下文的连贯性。这种情况下，简单的线性流程显然无法满足需求。这就是LangGraph诞生的背景。作为LangChain生态系统的一部分，LangGraph提供了一种以图为基础的方式来构建复杂的LLM应用。它允许我们定义状态、节点（代表动作或决策）和边（代表状态转换），从而创建更加灵活、强大的应用程序。1.2 为什么LangGraph重要？LangGraph的重要性体现在以下几个方面：状态管理：与传统的LangChain链不同，LangGraph天然支持状态管理。这意味着在整个交互过程中，应用可以保持和更新状态，使得多轮对话和复杂决策成为可能。循环和条件逻辑：LangGraph允许我们创建包含循环和条件逻辑的工作流，这对于需要反复尝试或根据不同情况做出不同决策的应用非常重要。多Agent协作：通过LangGraph，我们可以轻松实现多个Agent之间的协作，每个Agent负责不同的任务，共同完成复杂的目标。可控性和可观测性：图结构使得应用的流程更加清晰可控，同时也便于调试和观测应用的运行状态。1.3 目标读者这篇文章主要面向以下读者：有一定Python编程基础，想要了解LangChain生态系统的开发者对构建复杂LLM应用感兴趣的AI爱好者希望提升LLM应用架构设计能力的技术人员想要了解LangGraph内部工作原理的LangChain用户1.4 核心挑战在从零构建LangGraph系统时，我们将面临以下核心挑战：理解图状态机的基本概念和工作原理设计灵活且高效的状态管理机制实现节点和边的抽象与交互处理复杂的控制流，如条件分支和循环确保系统的可扩展性和可维护性在接下来的章节中，我们将一步步解决这些挑战，最终构建出一个最小可用的LangGraph系统。2. 核心概念解析2.1 什么是LangGraph？在深入技术细节之前，让我们先用一个生活化的比喻来理解LangGraph。想象一下，你正在玩一款冒险游戏。在这个游戏中：状态代表你当前的位置、拥有的物品、健康值等信息节点代表你可以采取的行动，如"与NPC对话"、“打开宝箱"或"战斗”边代表从一个行动到另一个行动的路径，可能取决于某些条件LangGraph就像是这样一个游戏框架，它允许你定义游戏的规则（状态、节点和边），然后让AI代理在这个框架内"玩游戏"，完成特定的任务。更正式地说，LangGraph是一个基于状态机的图结构，用于构建复杂的LLM应用。它由以下核心组件组成：状态(State)：代表系统的当前状况节点(Nodes)：代表可以执行的动作或函数边(Edges)：连接节点，定义状态转换的规则图(Graph)：由节点和边组成的整体结构2.2 核心概念详解2.2.1 状态(State)状态是LangGraph的核心概念之一，它代表了系统在某一时刻的所有信息。你可以把状态想象成一个"背包"，里面装着系统运行过程中需要的所有数据。随着系统的运行，这个背包里的东西可能会增加、减少或改变。在LangGraph中，状态通常是一个字典或类似的数据结构，包含了各种键值对。例如，一个简单的聊天机器人状态可能包含：{"messages":["你好，我是助手"],"user_question":"什么是LangGraph？","context":"用户是AI初学者","tool_calls":[]}状态的设计是构建LangGraph应用的第一步，也是最关键的一步。一个好的状态设计应该包含所有必要的信息，但又不至于过于复杂。2.2.2 节点(Nodes)节点是LangGraph中执行实际工作的部分。每个节点代表一个动作或函数，它接收当前状态作为输入，执行某些操作，然后返回更新后的状态。继续我们的冒险游戏比喻，节点就像是游戏中你可以执行的动作。比如，"与NPC对话"这个节点可能会更新你的任务列表，"打开宝箱"这个节点可能会给你的背包里添加新物品，"战斗"这个节点可能会改变你的健康值。在LangGraph中，节点通常是Python函数，它们接收状态作为参数，修改状态，然后返回修改后的状态。例如：defgreet_user(state):# 获取当前状态中的用户名username=state.get("username","陌生人")# 创建问候消息greeting=f"你好，{username}！欢迎使用我们的系统。"# 更新状态，添加问候消息state["messages"].append(greeting)# 返回更新后的状态returnstate2.2.3 边(Edges)边连接节点，定义了状态转换的规则。它们决定了在执行完一个节点后，接下来应该执行哪个节点。在冒险游戏比喻中，边就像是连接不同地点的路径，或者决定你下一步能做什么的规则。例如，在"与NPC对话"后，你可能会有两个选择：“接受任务"或"拒绝任务”，这就是两条不同的边，根据你的选择（状态中的某个值）决定接下来的路径。在LangGraph中，有几种类型的边：普通边：直接连接两个节点，表示从一个节点无条件转移到另一个节点条件边：根据状态中的某个值决定下一步走哪条边入口边：定义图的起始点出口边：定义图的结束点2.2.4 图(Graph)图是由节点和边组成的整体结构，它定义了整个应用的工作流。你可以把图想象成整个冒险游戏的地图，它包含了所有可能的地点（节点）和连接它们的路径（边）。在LangGraph中，图的构建通常遵循以下步骤：定义状态结构创建节点添加边连接节点设置入口点和出口点编译图2.3 概念间的关系和相互作用理解了LangGraph的核心概念后，让我们来看一下它们是如何相互作用的。首先，状态是整个系统的核心，它在节点之间流动。当一个节点执行完毕后，它会更新状态，然后根据边的规则将状态传递给下一个节点。这个过程持续进行，直到到达出口点。让我们用一个简单的客户服务机器人例子来说明这个过程：系统从初始状态开始，包含用户的问题"理解问题"节点分析用户问题，更新状态中的"问题类型"字段根据"问题类型"字段，条件边决定接下来是走"技术支持"路径还是"账单问题"路径相应的节点执行特定的操作，如查询知识库或数据库最后，"生成回复"节点根据所有收集到的信息生成最终回复，更新状态到达出口点，流程结束2.4 概念结构与核心要素组成为了更清晰地展示LangGraph的概念结构，让我们用Mermaid图表来表示：交互过程LangGraph系统输入更新条件判断选择路径更新输入更新图Graph状态State节点Nodes边Edges节点1动作/函数节点2动作/函数节点3动作/函数普通边无条件转移条件边条件转移入口边起始点出口边结束点新状态1新状态2最终状态这个图表展示了LangGraph的核心组件以及它们之间的交互过程。2.5 概念核心属性维度对比为了更深入地理解LangGraph的核心概念，让我们用表格来对比它们的关键属性：概念核心作用数据类型可变性主要交互对象示例状态存储系统信息字典/对象可变所有节点{“messages”: […], “user_id”: 123}节点执行具体操作函数/可调用对象固定状态def analyze_query(state): …边定义状态转换规则/连接固定节点if state[“type”] == “tech”: go to tech_support图组织整体结构图结构固定节点、边完整的工作流定义2.6 概念联系的ER实体关系图让我们用ER图来展示LangGraph核心概念之间的关系：