前言
说起现阶段最流行、最通用的Agent开发框架，毫无疑问肯定是LangChain 。LangChain作为2022年开源的元老级开发框架，历经数年发展其功能和生态都非常完善并且拥有数量众多的开发者。可以说LangChain就是目前能力最强、最通用、最流行的Agent开发框架没有之一。笔者刚刚更新完全套的LangChain分享教程，从底层API调用、LCEL语法到外部工具接入、智能体构建等各个方面，手把手教大家从0到1掌握LangChain AI Agent的开发技巧。对LangChain感兴趣或者想复习我们LangChain实战项目的小伙伴可以关注笔者掘金账号和系列专栏深入浅出LangChain&LangGraph AI Agent 智能体开发。更可关注笔者同名微信公众号: 大模型真好玩 , 每期分享涉及的代码均可在公众号私信: LangChain智能体开发获得。
2025年以来，LangGraph是Agent开发框架中突飞猛进的新星，大有一举超过同宗同源的Agent开发框架LangChain成为当今最火热智能体开发框架的趋势。要想掌握智能体开发的技巧，LangGraph框架的学习必不可少，从本期分享开始，笔者将分享LangGraph的系列教程，带你掌握智能体开发的"杀手锏"！
一、为什么要推出LangGraph？
由于LangChain诞生时间较早（2022年末，GPT-3.5刚刚诞生），当时开发者对大模型的想象主要是用其搭建一个又一个的工作流，而这也成为LangChain的核心目标，LangChain中的"Chain"也就是链式调用就是搭建"工作流"的意思。LangChain通过模型稳定接入、LCEL简洁语法规则、丰富强大的内置工具使得开发者能够便捷地将提示词模板、大模型及一些外部工具组合拼装，迅速成为世界最流行的智能体开发框架。
但随着大模型基座能力的飞速进化，目前最新一代大模型包括DeepSeek-V3.1，Qwen3等不仅拥有非常强悍的外部工具识别和调用能力，还原生就支持多工具并联和串联调用，而开发者对于大模型应用开发的需求也在快速变化，LangChain单纯构建线性工作流的模式可拓展性不强。因此LangChain在之后的更新中设计了一整套能实时根据用户需求灵活创建Chain的Agent API，开发者仅需将我们的三要素（可见笔者文章两行代码LangChain Agent API快速搭建智能体）提示词 、大模型 和工具放在一起，LangChain Agent API就能自动根据用户需求创建一些链来完成工作，大幅加快了开发效率。
不过伴随着Agent开发技术的飞速发展，LangChain很快意识到要真正满足新一代多智能体开发需求，仅靠Agent API是完全不够的，因此在23年下半年，LangChain创立了以"图结构"为智能体构建哲学的框架，这就是大名鼎鼎的LangGraph，目前最火热的Agent开发框架！
二、 LangGraph基础
2.1 LangGraph与LangChain对比
LangGraph和LangChain同宗同源，底层架构完全相同、接口完全相通。从开发者角度来说，LangGraph也是使用LangChain底层API来接入各类大模型、LangGraph也完全兼容LangChain内置的一系列工具。简而言之，LangGraph的核心功能都是依托LangChain来完成。但是和LangChain的"链式工作流"哲学完全不同的是，LangGraph的基础哲学是"构建图结构"的工作流，并引入"状态"这一核心概念来描绘任务执行情况。很显然，图状工作流肯定比链式工作流功能要更加灵活，功能可拓展性也更强（比如下面右图中两个方框内图可看作两个独立运行的智能体，而下面左图只能依次执行）。从而拓展了LangChain LCEL链式语法的功能灵活程度。
不过要注意的是，LangGraph是基于LangChain构建的，无论图结构多复杂，单独每个任务执行链路仍然是线性的，其背后仍然是靠着LangChain的Chain来实现的。因此我们可以这么来描述LangChain和LangGraph之间的关系，LangGraph是LangChain工作流的高级编排工具，其中"高级"之处就是LangGraph能按照图结构来编排工作流。
2.2 LangGraph核心架构
为避免大家在学习LangGraph框架时云里雾里，笔者这里梳理了LangGraph的三层核心架构体系。本系列分享笔者会紧紧围绕这一体系展开。
2.2.1 LangGraph 底层 API
尽管图结构看起来比链式结构灵活很多，但在实际开发过程中，要创建一个图结构绝非易事，大家可以试想一下要在代码环境中描述清楚一个图，至少需要清晰的说明图中有哪些节点，不同节点间如何相连（边如何连接），同时还需要设置各节点功能，流程是十分复杂的。以一个包括最简单的加减法有向图为例:
复杂的流程严重影响了开发效率。（注：LangGraph的本质是DAG（有向无环图），但它扩展支持了"有状态循环图"，本质上是一种 可控状态机（State Machine））
2.2.2 LangGraph高层封装API
与LangChain既有LCEL语法，同时也有Agent API类似，LangGraph也提供了基于图结构基础语法的高层API。
LangGraph的高层API主要分为两层，其一是Agent API，用于将大模型、提示词模板、外部工具等关键元素快速封装为图中的一些节点，而更高一层的封装，则是进一步创建一些预构建的Agent、也就是预构建好的图，开发者只需要带入设置好要带入的工具和模型，三行代码就能借助这些预构建好的图，创建一个完整的Agent，大大提升了开发效率。（预构建图一定程度上和LangChain Agent API 类似）
2.2.3 LangGraph系列文章分享顺序
完整的LangGraph三层API架构图如下所示, 为了让大家由易到难逐步吃透LangGraph的核心技巧，我将按照从上到下：预构建图Agent API -> Agent Node API -> 构建图语法底层API的核心顺序进行分享，大家在阅读系列分享时要时刻与该图对应，建立完整的体系结构，学习会事半功倍。
三、LangGraph核心生态
LangGraph不但自身能力强大，更有一系列开发者套件为其保驾护航，它们分别是LangGraph运行监控框架LangSmith、LangGraph图结构可视化与调试框架LangGraph Studio、LangGraph服务部署工具LangGraph Cli、前端可视化工具 Agent Chat UI和LangGraph内置工具库与MCP调用组件。可以说这些开发工具套件，是真正推动LangGraph的企业级应用开发效率大幅提升的关键。同时监控、调试和部署工具，也是全新一代企业级Agent开发框架的必备工具，也是开发者必须要掌握的基础工具。
3.1 LangGraph运行监控框架：LangSmith
LangSmith是一款用于构建、调试、可视化和评估 LLM 工作流的全生命周期开发平台。它聚焦的不是模型训练，而是我们在构建 AI 应用（尤其是多工具 Agent、LangChain/Graph）时的「可视化调试」、「性能评估」与「运维监控」。
3.2 LangGraph图结构可视化编辑与调试框架：LangGraph Studio
LangGraph Studio 是一个用于可视化构建图、测试、分享和部署智能体流程图的图形化 IDE + 运行平台。目前 LangGraph Studio已经被集成到LangGraph Cli中。
3.3 LangGraph服务部署工具：LangGraph Cli
LangGraph CLI 是用于本地启动、调试、测试和托管 LangGraph 智能体图的开发者命令行工具。一旦应用成功部署上线，LangGraph Cli会非常贴心的提供后端接口说明文档。而对于LangGraph构建的智能体，除了能够本地部署外，官方也提供了云托管服务，借助LangGraph Platform，开发者可以将构建的智能体 Graph部署到云端，并允许公开访问，同时支持支持长时间运行、文件上传、外部 API 调用、Studio 集成等功能。美中不足的是LangGraph Cli的使用需要科学上网。
3.4 LangGraph Agent前端可视化工具: Agent Chat UI
Agent Chat UI 是 LangGraph/LangChain 官方提供的多智能体前端对话面板，用于与后端 Agent（Graph 或 Chain）进行实时互动，支持上传文件、多工具协同、结构化输出、多轮对话、调试标注等功能。
3.5 LangGraph内置工具库与MCP调用组件
除了有上述非常多实用的开发工具外，LangGraph还全面兼容LangChain的内置工具集,毕竟可以理解为LangGraph就是LangChain的高级封装。LangChain自诞生之初就为开发者提供了非常多种类各异的、封装好的实用工具，历经几年发展时间，目前LangChain已经拥有了数以百计的内置实用工具，包括网络搜索工具、浏览器自动化工具、Python代码解释器、SQL代码解释器等。而作为LangChain同系框架，LangGraph也可以无缝调用LangChain各项开发工具，从而大幅提高开发效率。
此外，LangChain是最早支持MCP的开发框架之一，借助langchain-mcp-adapters，LangChain和LangGraph便可快速接入各类MCP工具。
四、总结
本期分享从LangGraph与LangChain的对比出发，介绍了LangGraph的三层核心架构、完整生态工具，带大家全面认识最火热最全面的智能体开发框架LangGraph。相信看到这儿大家已经迫不及待的想上手利用LangGraph配合自己的独特创意搭建AI Agent智能体了，别急，下期内容我们实战LangGraph高级API快速构建Agent的相关知识点。
本系列分享预计会有20节左右的规模，保证大家看完一定能够掌握LangChain&LangGraph的开发能力，大家感兴趣可关注笔者掘金账号和专栏，更可关注笔者的同名微信公众号：大模型真好玩， 以后每节的代码和资料分享均在该公众号免费提供~