LangChain

LangChain 是一个用于构建 Agent 和 LLM 驱动应用的开源框架，采用 Monorepo 架构（核心代码位于 libs/ 目录，langchain-core 基础包当前版本为 1.3.1，主要语言 Python 占 99.3%）。其底层运行基于 LangGraph 编排框架，上层生态涵盖 Deep Agents、LangSmith 可观测性平台及广泛的第三方集成。

核心能力#

• 模型接入与路由：标准化模型接口，通过统一抽象层无缝切换 OpenAI、Anthropic Claude、Google Gemini、Ollama、AWS Bedrock、Azure 等多家提供商，避免供应商锁定。
• Agent 构建：通过 create_agent() API 在极简代码量内创建完全可定制的 AI Agent；支持 Multi-agent 协作与 Human-in-the-loop 人工介入工作流。
• Deep Agents（深度 Agent）：开箱即用的高级 Agent（通过 deepagents 包提供），内置自动上下文压缩、虚拟文件系统、子 Agent 调度与自动规划能力。
• 工具集成与协议：通过 @tool 装饰器将任意 Python 函数注册为 Agent 可调用的工具，工具名称、描述和参数自动纳入模型提示；支持模型上下文协议（MCP）。
• 状态与记忆管理：支持短期/长期对话记忆，生产环境可对接持久化存储，通过 thread_id 实现多会话隔离。
• 输出控制：支持流式输出与结构化输出。
• 检索增强与上下文：内置 RAG 文档检索能力与上下文工程支持。
• 中间件系统：内置和自定义中间件。
• 工程化与可观测性：通过 LangSmith 实现调用追踪、调试和评估；提供前端集成模式（Agent Chat UI）；LangSmith Deployment 用于有状态、长时间运行的 Agent 部署。

生态分层架构#

• LangChain：高层 Agent 和应用框架。
• LangGraph：低层 Agent 编排框架（确定性 + 智能工作流），提供持久执行、状态持久化等底层能力。
• Deep Agents：基于 LangChain Agent 构建的开箱即用高级 Agent。
• LangSmith：可观测性、评估、调试与部署平台。
• Integrations：模型、工具、向量存储等第三方集成包。

典型应用场景#

• RAG 问答系统：连接 LLM 到内部/外部数据源，利用向量存储和检索器增强回答质量。
• 多模型实验与 A/B 测试：通过统一接口快速切换模型进行对比实验。
• 工具调用型 Agent：构建能调用 API、文件系统、数据库等外部系统的智能助手。
• 复杂任务规划：Deep Agents 可自动分解任务、调用子 Agent 完成多步骤推理。
• 企业级 LLM 应用开发：从原型到生产，内置监控、评估和调试支持。

安装与快速上手#

pip install langchain
# 或
uv add langchain

Deep Agent 扩展安装：

uv add langchain deepagents

环境变量配置 API Key：

export OPENAI_API_KEY="your-api-key"

最简 Agent 示例：

from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="openai:gpt-5.2",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "What's the weather in San Francisco?"}]}
)
print(result["messages"][-1].content_blocks)

关键配置要点#

• 模型初始化：通过 init_chat_model() 统一初始化，支持 temperature、timeout、max_tokens 等参数。
• 记忆配置：开发环境使用 langgraph.checkpoint.memory.InMemorySaver，生产环境推荐持久化 checkpointer。
• 可观测性：设置 LANGSMITH_TRACING=true 并配置 API key 启用 LangSmith 追踪。
• 工具定义：@tool 装饰器注册工具，支持运行时上下文注入（ToolRuntime 参数）。

待确认信息#

• deepagents 包的独立仓库位置（可能包含在 monorepo libs/ 下）。
• LangChain Skills 的具体功能范围和仓库地址。
• LangSmith Deployment 的具体功能和定价信息。
• 主包 langchain 的精确版本号（README 仅明确标注 langchain-core==1.3.1）。