LangChain ReAct智能体实战：给会话历史添加ID，实现多会话隔离
一、核心痛点：为什么需要给会话历史加ID？
二、核心实现思路：会话ID与RunnableWithMessageHistory的结合
1. 初始化会话历史存储容器
2. 绑定智能体与会话历史，关联会话ID
3. 调用智能体时，传入会话ID实现隔离
三、关键注意点：避免踩坑的3个细节
-
会话ID必须唯一：无论是用户ID+会话标识，还是随机生成的唯一字符串，确保每个会话的ID不重复，否则会出现会话历史混乱的问题。
-
提示词占位符不可缺失：必须在ReAct提示词模板中预留会话历史的占位符，否则智能体无法获取历史消息，即使绑定了会话ID也无法实现上下文记忆。
-
会话历史的存储选择：测试环境可以使用本地内存存储，生产环境建议使用数据库 或缓存（如Redis），避免服务重启后会话历史丢失，同时支持多实例部署时的会话共享。
四、实际效果：会话隔离与自动记忆的实现
五、总结与延伸
from langchain_openai import ChatOpenAI
from langchain_core.tools import Tool
from langchain.agents import create_react_agent # 改用 ReAct 智能体
from langchain.agents import AgentExecutor
from langchain_core.prompts import PromptTemplate # ReAct 用 PromptTemplate 而非 ChatPromptTemplate
from langchain_core.messages import AIMessage, HumanMessage
from langchain_community.chat_message_histories import ChatMessageHistory
from langchain_core.runnables.history import RunnableWithMessageHistory# 1. 初始化 LLM
DEEPSEEK_API_KEY = "123" # 替换为实际的 API Key
llm = ChatOpenAI(api_key=DEEPSEEK_API_KEY,base_url="http://172.25.133.51:8085/v1",model="qwen3.5-27b-awq",temperature=0.3,max_tokens=1024,
)# 2. 工具函数
def huawei_mall_search(query: str) -> str:"""华为商城搜索工具"""print(f"[DEBUG] 工具被调用！搜索关键词：{query}")search_results = {"众测活动": "华为商城众测活动是让用户体验新品并反馈意见的活动。目前有Mate 60系列众测，参与可赢取礼品。","手机": "华为商城最新手机：Mate 60系列、P60系列、nova系列等。","笔记本": "华为MateBook X Pro、MateBook D系列笔记本电脑。","手表": "华为Watch 4、Watch GT系列智能手表。","默认": "请在华为商城官网查看详细信息或联系客服。"}for keyword in search_results:if keyword in query:return f"华为商城搜索结果：{search_results[keyword]}"return search_results["默认"]# 3. 创建工具
huawei_tool = Tool(name="huawei_mall_search",description="查询华为商城相关信息，包括产品、活动、政策等",func=huawei_mall_search,
)
tools = [huawei_tool]# 4. 定义 ReAct 提示词模板（关键修改！）
react_prompt = PromptTemplate.from_template("""
Answer the following questions as best you can. You have access to the following tools:{tools}Use the following format:Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [{tool_names}]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can repeat N times)
Thought: I now know the final answer
Final Answer: the final answer to the original input questionBegin!Previous conversation history:
{chat_history}Question: {input}
Thought: {agent_scratchpad}
""")#上面提示词中{chat_history}是记录历史会话记录的不能少# 5. 创建 ReAct 智能体
try:agent = create_react_agent(llm=llm, tools=tools, prompt=react_prompt)print("Agent 创建成功")
except Exception as e:print(f"创建 Agent 失败: {e}")exit()# 6. 创建执行器（保持不变）
agent_executor = AgentExecutor(agent=agent,tools=tools,verbose=True,max_iterations=3,handle_parsing_errors=True,return_intermediate_steps=True
)# 7. 测试（保持不变）
print("\n" + "=" * 60)
print("测试 Agent 工具调用")
print("=" * 60)message_history = ChatMessageHistory()agent_with_chat_history = RunnableWithMessageHistory(agent_executor,# 这是必需的，因为在大多数现实场景中，需要会话 ID# 这里并没有真正使用它，因为我们使用的是一个简单 ChatMessageHistorylambda session_id: message_history,input_messages_key="input",history_messages_key="chat_history",
)# 这里我们为 chat_history 传递一个空的消息列表，因为它是聊天中的第一条消息
chat1 = agent_with_chat_history.invoke({"input": "你好，我是小老虎"},config={"configurable": {"session_id": "tiger"}},
)print(chat1)
print('---------------')
print('char1最终回复:' + chat1['output'])#这里不用手动写了 也能记住
#history = []+[HumanMessage(content=chat1['input']),AIMessage(content=chat1['output'])]chat2 = agent_with_chat_history.invoke({"input": "你知道我的名字吗？"},config={"configurable": {"session_id": "tiger"}},
)print(chat2)
print('---------------')
print('char2最终回复:' + chat2['output'])print("完整会话记录：")
for msg in message_history.messages:print(f"{msg.type}: {msg.content}")
结果输出：
Agent 创建成功
============================================================
测试 Agent 工具调用
============================================================
> Entering new AgentExecutor chain...
Parent run 88f54bd0-50e6-4018-9249-ef030d2704fc not found for run 50f303ca-5ec0-4bb7-994b-0570ef8de62f. Treating as a root run.
l.
</think>
Thought: 用户只是在打招呼自我介绍，没有提出需要查询华为商城信息的问题。这是一个简单的问候，不需要使用工具。
Final Answer: 你好，小老虎！很高兴认识你！有什么我可以帮助你的吗？比如查询华为商城的产品信息、优惠活动或者相关政策等。
> Finished chain.
{'input': '你好，我是小老虎', 'chat_history': [], 'output': '你好，小老虎！很高兴认识你！有什么我可以帮助你的吗？比如查询华为商城的产品信息、优惠活动或者相关政策等。', 'intermediate_steps': []}
---------------
char1最终回复:你好，小老虎！很高兴认识你！有什么我可以帮助你的吗？比如查询华为商城的产品信息、优惠活动或者相关政策等。
> Entering new AgentExecutor chain...
Parent run 3cb69184-c16f-4f6b-ad16-901cf2580a56 not found for run 0255b5f3-5efe-4925-af16-0f22aa2a2f51. Treating as a root run.
s.
</think>
Thought: 根据之前的对话历史，用户在第一条消息中自我介绍为"小老虎"，我已经在回复中确认知道了这个名字。这个问题不需要使用华为商城搜索工具，可以直接从对话历史中回答。
Final Answer: 是的，我知道你的名字！你叫"小老虎"。很高兴认识你！有什么我可以帮助你的吗？
> Finished chain.
{'input': '你知道我的名字吗？', 'chat_history': [HumanMessage(content='你好，我是小老虎'), AIMessage(content='你好，小老虎！很高兴认识你！有什么我可以帮助你的吗？比如查询华为商城的产品信息、优惠活动或者相关政策等。')], 'output': '是的，我知道你的名字！你叫"小老虎"。很高兴认识你！有什么我可以帮助你的吗？', 'intermediate_steps': []}
---------------
char2最终回复:是的，我知道你的名字！你叫"小老虎"。很高兴认识你！有什么我可以帮助你的吗？
完整会话记录：
human: 你好，我是小老虎
ai: 你好，小老虎！很高兴认识你！有什么我可以帮助你的吗？比如查询华为商城的产品信息、优惠活动或者相关政策等。
human: 你知道我的名字吗？
ai: 是的，我知道你的名字！你叫"小老虎"。很高兴认识你！有什么我可以帮助你的吗？