当前位置：首页 > news >正文

LangGraph生态全景：Python Agent开发指南

news 2026/5/8 6:00:38

先给你一个“全景图”，把 LangGraph 生态的主要组件拆开讲一下（只列和你做 Python Agent 开发最相关的）。

LangGraph（Python / JS）
GitHub：https://github.com/langchain-ai/langgraph
做有状态、多步、多 actor 的 Agent 图：节点、边、状态、持久执行、流式、人机协同（human-in-the-loop）等都以图的方式表达。
LangChain（统一模型 / 工具 / 集成）
GitHub：https://github.com/langchain-ai/langchain
提供 100+ LLM 提供商统一接口、工具调用、召回等能力，LangGraph 经常和它搭配使用。

LangGraph Studio（Agent IDE）
官方文档：https://docs.langchain.com/oss/python/langgraph/studio
用于可视化、交互和调试“遵循 Agent Server API 协议”的 agent；本地开发时用langgraph dev即可在 Studio 里调试你的图。
本地开发 CLI（langgraph dev/langgraph up）
官方示例与教程仓库里都有langgraph.json配置文件，配合 Studio 使用。

LangSmith 平台
文档首页：https://docs.langchain.com/langsmith/home
定位为“构建、调试、部署 AI agent 和 LLM 应用的平台”：
- Observability（Tracing）
- Evaluation
- Deployment 等。
LangSmith 对 LangGraph 的集成支持
官方集成页明确列出对 LangGraph 的支持（在“Agent frameworks”中）。
LangSmith Deployment（原 LangGraph Platform / Cloud）
官方博客：2025 年起，“LangGraph Platform”改名为“LangSmith Deployment”，统一到 LangSmith 平台下。
主要能力：
- 持久执行（Durable Execution）：内置持久层，状态落盘、可恢复。
- 自动扩缩、负载均衡、故障转移等生产特性（第三方技术文章总结）。
- 提供 HTTP API（风格类似 OpenAI Assistants API）和 SDK，供业务后端集成。
Python SDK / 客户端
官方 SDK 文档（中文镜像）：提供异步/同步客户端连接到 LangGraph API 的用法（对应生产环境的 LangSmith Deployment）。

langgraph-101（入门 + 进阶教程仓库）
GitHub：https://github.com/langchain-ai/langgraph-101
包含：
- 101/201 系列 Notebook（基础 agent、中间件/HITL/多 agent、DeepAgents 等）
- 可在 Studio 中直接运行的agents/示例（天气、邮件、音乐商店多智能体、研究代理等）。
官方示例 Notebook（仓库内 examples）
在主仓库的examples/下（如 customer-support、agentic RAG 等）提供可运行的 Notebook。
示例仓库（原 example / example-monorepo，现归档但仍可参考）
- langgraph-example（单示例）：https://github.com/langchain-ai/langgraph-example
- langgraph-example-monorepo（多图、多项目结构示例）：https://github.com/langchain-ai/langgraph-example-monorepo
  用于参考：
- langgraph.json的写法
- 多图、多模块工程结构
- 部署到 LangSmith Deployment/Cloud 的流程。
全栈模板（前端 + LangGraph 后端）
- langgraph-fullstack-python：用 LangGraph HTTP 配置构建全栈聊天机器人（前端 + 后端）的脚手架模板。

官方文档（重点几页）
- LangGraph 概览：强调持久执行、流式、人机协同等核心能力。
- Durable Execution：持久执行与状态恢复。
- LangGraph Studio 使用指南。
LangChain Academy
在 101 仓库中被推荐为“更系统的学习路径”，包含视频教程和实验环境。
中文社区 / 翻译（非官方，但生态很活跃）
- LangGraph 中文文档/教程镜像（站点与教程）。
- 中文实战文章（LangGraph Studio + LangSmith 基本用法等）。

LangSmith 集成页列出多个 LLM 提供商与 Agent 框架（LangGraph、DeepAgents、AutoGen、CrewAI、OpenAI Agents 等）——意味着你可以把 LangGraph 接入各种 LLM、工具与第三方服务。
通过 LangChain 的集成能力，统一对接 100+ LLM 提供商、数据库、向量库、工具等。

一个典型 Python 后端链路可以是：

开发阶段：
- 用 LangGraph（Python）写图逻辑（状态、节点、边、人机协同点）。
- 用langgraph dev+ LangGraph Studio 调试与可视化。
- 接入 LangChain 的模型/工具能力。
生产阶段：
- 在业务服务里用 Python SDK/HTTP 调用“LangSmith Deployment”托管的 LangGraph API。
- 用 LangSmith 做统一 Tracing、评估、监控。
  如果你需要，我可以基于你的场景（比如：多轮客服、RAG Agent、自动化流水线）帮你列一份“最小可用生态组合”（用哪些仓库、从哪个示例改起、本地 vs 云端怎么跑）。