langchain 1.0实现AI Agent 接入MCP实战

技术内容

前端:react TypeScript antd

后端:Nodejs express langchain

模型接口:硅基流动 阿里云百炼

functionCall: 天气查询(爬取数据) 搜索引擎(百度千帆) CSDN资讯获取

MCP: 12306票务查询 万相2.5-图像视频生成

oss: 阿里云oss

Node后端搭建

项目初始化

  1. 创建项目目录并初始化
bash 复制代码
pnpm init

生成 package.json 文件。

  1. 安装 TypeScript 及相关依赖
bash 复制代码
pnpm add -D typescript tsx @types/node

说明: typescript:TypeScript 编译器

tsx:直接运行 .ts 文件(开发时使用)

@types/node:Node.js 的类型定义

  1. 初始化 TypeScript 配置
bash 复制代码
npx tsc --init

这会生成 tsconfig.json。你可以根据需要调整配置,例如:

json 复制代码
{
  "compilerOptions": {
    "target": "ES2020" /* 编译目标 JS 版本(匹配 Node.js 支持的版本,v16+ 支持 ES2020) */,
    "module": "nodenext" /* 模块系统(Node.js 默认使用 CommonJS,需与 Node 兼容) */,
    "outDir": "./dist" /* 编译后的 JS 文件输出目录(默认 dist,避免源码与编译产物混合) */,
    "rootDir": "./src" /* TS 源码目录(建议把所有 TS 代码放在 src 文件夹下) */,
    "strict": true /* 开启严格模式(强制类型检查,TS 核心优势,推荐必开) */,
    "esModuleInterop": true /* 兼容 ES 模块和 CommonJS 模块(避免导入第三方模块报错) */,
    "skipLibCheck": true /* 跳过第三方库的类型检查(加快编译速度) */,
    "forceConsistentCasingInFileNames": true /* 强制文件名大小写一致(避免跨系统问题) */,
    "moduleResolution": "nodenext",
    "lib": [
      "ES2022"
    ] /* 编译时包含的库文件(ES2020 包含 Promise、async/await 等) */
  },
  "include": ["./src/**/*"] /* 需要编译的 TS 文件(src 下所有文件及子目录) */,
  "exclude": ["node_modules", "dist"] /* 排除不需要编译的目录 */
}

注意:如果你使用的是较新版本的 Node.js(如 18+),推荐使用 "module": "NodeNext" 和 "moduleResolution": "NodeNext" 以支持 ESM。

  1. 通过 nodemon 实现代码修改后自动重启服务

    • 安装依赖
    bash 复制代码
    pnpm add -D nodemon
    • 创建 nodemon.json 配置文件(可选但推荐) 在项目根目录创建 nodemon.json:
    json 复制代码
    {
        "ignore": [
            "chat-storage/**/*",
            "node_modules/**/*",
            "logs/**/*",
            "*.json",
            "*.csv",
            "*.txt"
        ],
        "watch": ["src/**/*.ts"],
        "delay": 1000
    }
    • 更新 package.json 脚本
    json 复制代码
    {
        "scripts": {
            "start": "nodemon --exec tsx ./src/main.ts"
        }
    }

依赖安装

  • express
dash 复制代码
pnpm add express
  • langchain
dash 复制代码
pnpm add langchain @langchain/langgraph @langchain/core @langchain/openai @langchain/mcp-adapters
  • 其他
dash 复制代码
pnpm add ali-oss uuid zod

ali-oss 用于处理oss

uuid是我这里用到了存储标识

zod类型限定

后端服务搭建

css 复制代码
├── src/
│   ├── main.ts ★
│   ├── modelChat.ts ★
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

在src下main.ts为express服务,modelChat.ts为路由和业务代码

typescript 复制代码
// main.ts代码
// 服务器端代码(Express)
import express from "express";
import chatRoutes from "./modelChat.js";
import { fileURLToPath } from "url";
import { dirname, join, resolve } from "path";

const app: express.Express = express();

// 👇 暴露 Images 目录为静态资源
// 获取当前文件的绝对路径
const __filename = fileURLToPath(import.meta.url);
const __dirname = dirname(__filename);

// 使用 resolve(更健壮,自动处理路径分隔符和规范化)
export const IMAGES_DIR = resolve(__dirname, "..", "Images");

app.use("/images", express.static(IMAGES_DIR));
// 2. 配置 JSON 请求体解析中间件(关键!必须在路由前配置)
app.use(express.json());

// 3. 配置路由
chatRoutes(app);

app.listen(3000, () => {
  console.log("服务器运行在 http://localhost:3000");
});

modelChat.ts部分包含Agent主要逻辑。

Agent搭建

css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts ★
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

搭建的Agent中包含了模型,工具调用或者MCP,中间件,存储等部分。

模型导入
typescript 复制代码
import { ChatOpenAI } from "@langchain/openai";

// 使用deepSeek模型
const modelName = "deepseek-ai/DeepSeek-V3";

// 定义模型
const model = new ChatOpenAI({
    // CHAT_API 为实际模型方的key
  apiKey: CHAT_API,
  modelName: modelName,
  temperature: 0.7,
  timeout: 60000,
  configuration: {
    // 我使用了硅基流动的 因此修改基本Url为硅基流动官方网址
    baseURL: "https://api.siliconflow.cn/v1/"
  },
  streaming: true,
  maxTokens: 4096,
  frequencyPenalty: 0.5,
  n: 1,
});

其他各配置参数可看官方数据

functionCall创建
css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts
│   ├── tools.ts ★
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

在src下新建tools.ts文件用来写functionCall。 文件中可以导入以下模块进行编写

typescript 复制代码
import z from "zod";
// tool 工具创建
import { tool } from "@langchain/core/tools";
//tool中config类型
import { LangGraphRunnableConfig } from "@langchain/langgraph";

config是实现工具可观测、可控制的核心载体

方便后续:

调试;

前端展示(比如给用户显示「正在...」的加载状态);

审计 / 追溯。

函数调用是自定义的,可以按你自己的想法去创建。同时为了让ai更精准的找到要使用的工具,工具的描述一定要写详细明确。这里我使用了几个简单的功能。

获取CSDN资讯
typescript 复制代码
// 获取csdn文章内容
const fetchData = tool(
  async (_, config: LangGraphRunnableConfig) => {
    config.writer?.("正在从CSDN论坛获取最新文章的相关数据内容...");
    const response = await fetch(
      "https://cms-api.csdn.net/v1/web_home/select_content?componentIds=www-info-list-new&channel=0"
    );
    const data = (await response.json()) as {
      data: { "www-info-list-new": { info: { list: any[] } } };
    };
    const allInfos = data.data["www-info-list-new"].info.list?.map((item) => {
      return {
        标题: item.title,
        摘要: item.summary,
        封面: item.cover,
        编辑时间: item.editTime,
        阅读量: item.viewCount,
        评论数: item.commentCount,
        点赞数: item.diggCount,
        收藏数: item.favoriteCount,
        发布时间: item.publish,
        链接: item.url,
        用户名: item.username,
        昵称: item.nickname,
        博客链接: item.blogUrl,
        来源: "CSDN",
      };
    });
    config.writer?.("CSDN论坛最新文章数据获取成功");
    return JSON.stringify(allInfos);
  },
  {
    name: "fetchData",
    description: "从CSDN论坛获取最新文章的相关数据内容",
  }
);
获取天气

类似功能

typescript 复制代码
const getSubUrl = async (CityName: string) => {
  const res = await fetch("https://www.tianqi.com/chinacity.html");
  const html = await res.text();
  const reg = new RegExp(
    `<a\\s+href="(/[^"]+)"\\s*(title="[^"]+")?>${CityName}</a>`,
    "i"
  );
  const match = reg.exec(html);

  if (match) {
    return match[1];
  }
  return null;
};

// 获取天气情况
const getFutureWeather = tool(
  async ({ city }, config: LangGraphRunnableConfig) => {
    config.writer?.(`正在获取${city}的天气状况...`);
    const subUrl = await getSubUrl(city);
    const baseUrl = "https://www.tianqi.com";
    let url = "";
    if (subUrl) {
      url = baseUrl + subUrl + "7/";
    } else {
      return null;
    }
    console.log(url);
    // 2. 发送请求获取天气信息页面 HTML
    const res2 = await fetch(url);
    const html = await res2.text();

    const reg = /var prov = '([^']+)';/i;
    const match2 = html.match(reg);

    if (match2) {
      console.log(match2[1]);
      const prov = match2[1];
      const moreWeather = await fetch(
        `https://www.tianqi.com/tianqi/tianqidata/${prov}`,
        {
          headers: {
            "user-agent":
              "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/142.0.0.0 Safari/537.36",
          },
        }
      );
      const data = (await moreWeather.json()) as { data: any[] };
      config.writer?.(`${city}的天气状况获取成功`);
      return JSON.stringify({
        msg: "天气信息获取成功",
        data: data.data.slice(0, 7),
      });
    } else {
      config.writer?.(`${city}的天气状况获取失败`);
      return JSON.stringify({
        msg: "未匹配到天气信息内容",
      });
    }
  },
  {
    name: "getFutureWeather",
    schema: z.object({
      city: z.string().describe("城市中文名称"),
    }),
    description: "获取指定城市的天气状况",
  }
);
搜索引擎

这里使用了api调用,相关配置参数可以看官网文档。

typescript 复制代码
// 搜索引擎
const searchTool = tool(
  async ({ keyword }, config: LangGraphRunnableConfig) => {
    config.writer?.(`正在搜索${keyword}...`);
    try {
      const res = await fetch(
        `https://qianfan.baidubce.com/v2/ai_search/web_search`,
        {
          method: "POST",
          headers: {
            "Content-Type": "application/json",
            // SEARCH_API 是你的个人api,这个接口每天可以免费使用一定次数
            Authorization: `Bearer ${SEARCH_API}`,
          },
          body: JSON.stringify({
            messages: [
              {
                role: "user",
                content: keyword,
              },
            ],
            edition: "standard",
            search_source: "baidu_search_v2",
            search_recency_filter: "week",
          }),
        }
      );
      const data = await res.json();
      config.writer?.(`${keyword}的搜索结果获取成功`);
      return JSON.stringify(data);
    } catch (e) {
      config.writer?.(`${keyword}的搜索结果获取失败: ${e}`);
      return JSON.stringify({
        msg: "搜索结果获取失败",
      });
    }
  },
  {
    name: "searchTool",
    schema: z.object({
      keyword: z.string().describe("搜索关键词"),
    }),
    description: `当需要调用搜索功能时使用。搜索结果需要在文中标注来源。
      通用搜索引擎工具,用于获取互联网实时信息、最新数据、新闻资讯、行业动态等,核心能力:
      - 支持模糊查询和场景化需求(如「今天金价」「最新新闻」「实时天气」「近期政策」);
      - 能解析时间限定词(今天/昨天/最近一周/2025年11月)、领域限定词(国内/国际/A股/科技);
      - 适用于以下场景:
        1. 查询实时数据(金价、油价、汇率、股票行情);
        2. 获取最新新闻(热点事件、行业资讯、政策公告);
        3. 查找时效性强的信息(天气、交通、赛事结果);
        4. 其他需要联网获取的动态信息;
      调用条件:当用户问题涉及「实时性」「最新动态」「需要联网确认」的内容时。
    `,
  }
);
MCP使用
css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts ★
│   ├── tools.ts 
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

MCP使用非常简单,直接远程使用URL可以,也可以下载源码本地调用,下面我将使用两种方式实现。

12306-MCP车票查询工具

使用到了魔塔社区的MCP
www.modelscope.cn/mcp/servers... 本地找个文件目录(需要记得位置,后续配置使用),下载源码 配置MCP

typescript 复制代码
import { MultiServerMCPClient } from "@langchain/mcp-adapters";

// 配置MCP
const client = new MultiServerMCPClient({
    // mcp名字随便取我使用12306
  "12306": {
    transport: "stdio", // Local subprocess communication
    command: "node",
    // 这里便是你下载源码的路径位置,我是放在D:\\Learn\\MCP\\12306-mcp\\build下
    args: !!["D:\\Learn\\MCP\\12306-mcp\\build\\index.js"]!!,
  },
});
万相2.5-图像视频生成

需要注意langchain的参数名字需要调整,其他和官方的示例差不多。 往MCP配置中加入万相MCP远程Url

typescript 复制代码
// 配置MCP
const client = new MultiServerMCPClient({
  "12306": {
    transport: "stdio",
    command: "node",
    args: ["D:\\Learn\\MCP\\12306-mcp\\build\\index.js"],
  },
  WanImage: {
    transport: "sse",
    url: "https://dashscope.aliyuncs.com/api/v1/mcps/Wan25Media/sse",
    headers: {
        // 这里DASHSCOPE_API是你自己的key,从官网获取
      Authorization: `Bearer ${DASHSCOPE_API}`,
    },
  },
});

const MCPTools = await client.getTools();
中间件 middleware
css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts ★
│   ├── tools.ts 
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

在每一步控制并自定义智能体的执行过程

中间件提供了一种更精细地控制智能体内部执行逻辑的方式。中间件适用于以下场景:

  • 通过日志、分析与调试来追踪智能体行为。
  • 对提示词、工具选择与输出格式进行转换处理。
  • 添加重试、降级方案与提前终止逻辑。
  • 应用限流、安全护栏与个人身份信息(PII)检测。

langchain官方有写好的中间件,我们也可以自定义中间件,详细可看文档 docs.langchain.com/oss/javascr...

下面我将使用几个简单的中间件。

重试

通过自定义实现

typescript 复制代码
import {
  createMiddleware,
} from "langchain";

const createRetryMiddleware = (maxRetries = 3) => {
  return createMiddleware({
    name: "RetryMiddleware",
    wrapModelCall: (request: any, handler: any) => {
      for (let attempt = 0; attempt < maxRetries; attempt++) {
        try {
          return handler(request);
        } catch (e) {
          if (attempt === maxRetries - 1) {
            throw e;
          }
          console.log(`Retry ${attempt + 1}/${maxRetries} after error: ${e}`);
        }
      }
      throw new Error("Unreachable");
    },
  });
};
动态SystemPrompt

用于动态修改ai设定,直接从库里获取

typescript 复制代码
import {
  dynamicSystemPromptMiddleware
} from "langchain";
Human-in-the-Loop (HITL)

直接从库里获取

用于为Agent工具调用时增加人工监督。

当模型提出可能需要审查的动作时------例如我这里用于图片提示词生成------中间件可以暂停执行并等待用户决定是否按当前提示词生成。

typescript 复制代码
import {
  humanInTheLoopMiddleware
} from "langchain";
存储
css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts
│   ├── storage.ts ★
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

可分为短期长期

这里我简单使用了文件记录方式实现对话记录存储。

  • 新增 storage.ts 文件封装核心存储逻辑,采用「用户-会话-文件分层」结构管理聊天记录,工具会自动按以下结构组织文件,无需手动创建:
plaintext 复制代码
    chat-storage/          # 存储根目录
    ├── user_001/          # 用户目录(以userId命名)
    │   ├── thread_001/    # 会话目录(以threadId命名)
    │   │   ├── meta.json  # 会话元信息文件
    │   │   ├── chatLog-1.json  # 第1个聊天文件
    │   │   ├── chatLog-2.json  # 第2个聊天文件(达到阈值后自动创建)
    │   │   └── ...
    │   └── thread_002/    # 其他会话
    └── user_002/          # 其他用户
  • 自动按消息数(单文件最多100条)/文件体积(单文件最大5MB)切分文件,避免单文件过大

  • 会话元信息文件:

    字段 类型 说明
    threadId string 会话 ID
    userId string 用户 ID
    currentFileIndex number 当前最新聊天文件序号(从 1 开始)
    totalMessages number 该会话总消息数
    lastUpdated string 会话最后更新时间
    systemMsg string 该会话的系统提示词
  • 核心能力:消息持久化存储、历史消息读取(全量/最新N条)、会话元信息管理、会话数据删除

具体方案代码如下:

typescript 复制代码
import fs from "fs/promises";
import path from "path";
import { v4 as uuidv4 } from "uuid"; // 生成唯一消息ID(需安装:pnpm add uuid)
import { fileURLToPath } from "url"; // ESM 内置模块,无需安装
import { formatDate } from "./utils/tools.js";

// 1. 计算当前文件路径(等效于 __filename)
const __filename = fileURLToPath(import.meta.url);

// 2. 计算当前文件目录(等效于 __dirname)
const __dirname = path.dirname(__filename);

// 配置项(可根据需求调整)
const CONFIG = {
  STORAGE_ROOT: path.resolve(__dirname, "../chat-storage"), // 存储根目录
  MAX_MESSAGES_PER_FILE: 100, // 每个文件最多消息数
  MAX_FILE_SIZE_MB: 5, // 每个文件最大体积(MB)
  MAX_FILE_SIZE_BYTES: 5 * 1024 * 1024, // 转换为字节
};

// 消息结构定义
export interface ChatMessage {
  id: string; // 消息唯一ID
  role: "user" | "assistant" | "system";
  content: string;
  timestamp: string;
  metadata?: Record<string, any>; // 附加信息(可选)
}

// Thread 元信息结构
interface ThreadMeta {
  threadId: string;
  userId: string;
  currentFileIndex: number; // 当前最新文件序号(如 1、2、3)
  totalMessages: number; // 该 thread 总消息数
  lastUpdated: string; // 最后更新时间
  systemMsg: string; // 系统消息
}

/**
 * 对话存储工具类:支持按用户/threadId 分文件夹、自动切分大文件
 */
export class ChatStorage {
  private rootDir: string;

  constructor() {
    this.rootDir = CONFIG.STORAGE_ROOT;
    this.initRootDir(); // 初始化根目录
  }

  // 初始化根目录(不存在则创建)
  private async initRootDir() {
    try {
      await fs.access(this.rootDir);
    } catch {
      await fs.mkdir(this.rootDir, { recursive: true });
      console.log(`创建存储根目录:${this.rootDir}`);
    }
  }

  // 获取用户目录路径
  private getUserDir(userId: string): string {
    return path.join(this.rootDir, userId);
  }

  // 获取 Thread 目录路径
  private getThreadDir(userId: string, threadId: string): string {
    return path.join(this.getUserDir(userId), threadId);
  }

  // 获取 Thread 元信息文件路径
  private getThreadMetaPath(userId: string, threadId: string): string {
    return path.join(this.getThreadDir(userId, threadId), "meta.json");
  }

  // 获取当前对话文件路径(根据元信息的 currentFileIndex)
  private getCurrentChatFilePath(
    userId: string,
    threadId: string,
    fileIndex: number
  ): string {
    return path.join(
      this.getThreadDir(userId, threadId),
      `chatLog-${fileIndex}.json`
    );
  }

  // 初始化 Thread(创建用户/thread 目录 + 元信息文件)
  private async initThread(
    userId: string,
    threadId: string
  ): Promise<ThreadMeta> {
    const threadDir = this.getThreadDir(userId, threadId);
    const metaPath = this.getThreadMetaPath(userId, threadId);

    // 创建用户和 thread 目录
    await fs.mkdir(threadDir, { recursive: true });

    // 初始化元信息(如果元信息文件不存在)
    try {
      await fs.access(metaPath);
      const metaContent = await fs.readFile(metaPath, "utf-8");
      return JSON.parse(metaContent) as ThreadMeta;
    } catch {
      const initialMeta: ThreadMeta = {
        threadId,
        userId,
        currentFileIndex: 1, // 从第1个文件开始
        totalMessages: 0,
        lastUpdated: formatDate(new Date()),
        systemMsg: "", // 系统消息
      };
      await fs.writeFile(
        metaPath,
        JSON.stringify(initialMeta, null, 2),
        "utf-8"
      );
      return initialMeta;
    }
  }

  // 更新 Thread 元信息
  public async updateThreadMeta(
    userId: string,
    threadId: string,
    meta: Partial<ThreadMeta>
  ) {
    const metaPath = this.getThreadMetaPath(userId, threadId);
    const currentMeta = await this.getThreadMeta(userId, threadId);
    const updatedMeta = {
      ...currentMeta,
      ...meta,
      lastUpdated: formatDate(new Date()),
    };
    await fs.writeFile(metaPath, JSON.stringify(updatedMeta, null, 2), "utf-8");
    return updatedMeta;
  }

  // 获取 Thread 元信息
  public async getThreadMeta(
    userId: string,
    threadId: string
  ): Promise<ThreadMeta> {
    const metaPath = this.getThreadMetaPath(userId, threadId);
    try {
      const metaContent = await fs.readFile(metaPath, "utf-8");
      return JSON.parse(metaContent) as ThreadMeta;
    } catch {
      return await this.initThread(userId, threadId);
    }
  }

  // 检查当前文件是否需要切分(达到消息数或体积阈值)
  private async needSplitFile(
    userId: string,
    threadId: string,
    currentFileIndex: number,
    newMessage: ChatMessage
  ): Promise<boolean> {
    const filePath = this.getCurrentChatFilePath(
      userId,
      threadId,
      currentFileIndex
    );

    try {
      // 1. 读取当前文件的消息数
      const fileContent = await fs.readFile(filePath, "utf-8");
      const messages: ChatMessage[] = fileContent
        ? JSON.parse(fileContent)
        : [];

      // 2. 检查消息数阈值:当前消息数 + 1 条新消息 > 最大限制
      if (messages[0].content.length > CONFIG.MAX_MESSAGES_PER_FILE) {
        return true;
      }

      // 3. 检查文件体积阈值:计算添加新消息后的体积
      const updatedMessages = [...messages, newMessage];
      const updatedContent = JSON.stringify(updatedMessages, null, 2);
      const updatedSize = Buffer.byteLength(updatedContent, "utf-8");

      return updatedSize > CONFIG.MAX_FILE_SIZE_BYTES;
    } catch {
      // 文件不存在(如刚创建 thread),无需切分
      return false;
    }
  }

  /**
   * 保存单条对话消息(自动切分文件)
   * @param userId 用户名
   * @param threadId 会话ID
   * @param message 消息内容(无需传 id 和 timestamp,自动生成)
   */
  public async saveMessage(
    userId: string,
    threadId: string,
    message: Omit<ChatMessage, "id" | "timestamp">
  ): Promise<ChatMessage> {
    // 补全消息的 id 和 timestamp
    const fullMessage: ChatMessage = {
      id: `msg_${Date.now()}_${uuidv4().slice(-8)}`, // 时间戳+短UUID,确保唯一
      timestamp: new Date().toISOString(),
      ...message,
    };

    // 初始化 thread(创建目录和元信息)
    let meta = await this.initThread(userId, threadId);
    let currentFileIndex = meta.currentFileIndex;

    // 检查是否需要切分文件:需要则递增文件序号
    const needSplit = await this.needSplitFile(
      userId,
      threadId,
      currentFileIndex,
      fullMessage
    );
    console.log(needSplit, "是否需要切分文件");

    if (needSplit) {
      currentFileIndex = meta.currentFileIndex + 1;
      // 更新元信息中的当前文件序号
      await this.updateThreadMeta(userId, threadId, { currentFileIndex });
    }

    // 写入当前文件(追加新消息)
    const targetFilePath = this.getCurrentChatFilePath(
      userId,
      threadId,
      currentFileIndex
    );
    try {
      // 读取现有消息(文件不存在则为空数组)
      let existingMessages: ChatMessage[] = [];
      try {
        const fileContent = await fs.readFile(targetFilePath, "utf-8");
        existingMessages = fileContent ? JSON.parse(fileContent) : [];
      } catch {}
      // 追加新消息并写入文件
      const updatedMessages = [...existingMessages, fullMessage];
      await fs.writeFile(
        targetFilePath,
        JSON.stringify(updatedMessages, null, 2),
        "utf-8"
      );

      // 更新元信息:总消息数+1
      await this.updateThreadMeta(userId, threadId, {
        totalMessages: meta.totalMessages + 1,
      });

      console.log(
        `消息保存成功:${targetFilePath} (消息ID: ${fullMessage.id})`
      );
      return fullMessage;
    } catch (error) {
      console.error(`消息保存失败:`, error);
      throw new Error(`保存消息失败:${(error as Error).message}`);
    }
  }

  /**
   * 读取某个 thread 的所有对话消息(按时间排序)
   * @param userId 用户名
   * @param threadId 会话ID
   * @returns 按时间戳升序排列的所有消息
   */
  public async readAllMessages(
    userId: string,
    threadId: string
  ): Promise<ChatMessage[]> {
    const meta = await this.getThreadMeta(userId, threadId);
    const threadDir = this.getThreadDir(userId, threadId);
    const allMessages: ChatMessage[] = [];

    // 遍历所有 chatLog 文件(从 1 到 currentFileIndex)
    for (let i = 1; i <= meta.currentFileIndex; i++) {
      const filePath = this.getCurrentChatFilePath(userId, threadId, i);
      try {
        const fileContent = await fs.readFile(filePath, "utf-8");
        const messages: ChatMessage[] = fileContent
          ? JSON.parse(fileContent)
          : [];
        allMessages.push(...messages);
      } catch {
        console.warn(`跳过不存在的文件:${filePath}`);
        continue;
      }
    }

    // 按时间戳升序排序(确保消息顺序正确)
    allMessages.sort(
      (a, b) =>
        new Date(a.timestamp).getTime() - new Date(b.timestamp).getTime()
    );
    return allMessages;
  }

  /**
   * 读取某个 thread 的最新 N 条消息(用于智能体上下文回溯)
   * @param userId 用户名
   * @param threadId 会话ID
   * @param limit 最多读取条数
   * @returns 最新的 N 条消息(按时间降序)
   */
  public async readRecentMessages(
    userId: string,
    threadId: string,
    limit: number = 20
  ): Promise<ChatMessage[]> {
    const allMessages = await this.readAllMessages(userId, threadId);
    // 取最后 N 条,按时间降序排列
    return allMessages.slice(-limit).reverse();
  }

  /**
   * 删除某个 thread 的所有对话(含目录和文件)
   * @param userId 用户名
   * @param threadId 会话ID
   */
  public async deleteThread(
    userId: string,
    threadId: string
  ): Promise<boolean> {
    const threadDir = this.getThreadDir(userId, threadId);
    try {
      await fs.rm(threadDir, { recursive: true, force: true });
      console.log(`删除 thread 成功:${threadDir}`);
      return true;
    } catch (error) {
      console.error(`删除 thread 失败:`, error);
      return false;
    }
  }
}

interface IThreadIdInfo {
  threadId: string;
  systemMsg: string;
}

/**
 * 初始化加载已有文件到 threadId-用户名 映射
 * @returns Map<string, IThreadIdInfo[]>  key: threadId, value: 关联的用户信息数组(理论上一个 threadId 对应一个用户)
 */
export async function initThreadIdToUserNameMap(): Promise<
  Map<string, IThreadIdInfo[]>
> {
  const mapThreadIdToUserName = new Map<string, IThreadIdInfo[]>();
  try {
    // 1. 检查存储根目录是否存在,不存在则直接返回空映射
    try {
      await fs.access(CONFIG.STORAGE_ROOT);
    } catch {
      console.log(`存储根目录 ${CONFIG.STORAGE_ROOT} 不存在,初始化空映射`);
      return mapThreadIdToUserName;
    }

    // 2. 遍历所有用户目录(chat-storage/用户名)
    const userDirs = await fs.readdir(CONFIG.STORAGE_ROOT, {
      withFileTypes: true,
    });
    for (const userDir of userDirs) {
      // 只处理目录(排除文件)
      if (!userDir.isDirectory()) continue;

      const userName = userDir.name; // 用户名 = 目录名
      const userDirPath = path.join(CONFIG.STORAGE_ROOT, userName);

      // 3. 遍历当前用户目录下的所有 thread 目录(chat-storage/用户名/threadId)
      const threadDirs = await fs.readdir(userDirPath, { withFileTypes: true });
      for (const threadDir of threadDirs) {
        // 只处理目录(排除文件如 meta.json)
        if (!threadDir.isDirectory()) continue;

        const threadId = threadDir.name; // threadId = 目录名
        const threadDirPath = path.join(userDirPath, threadId);
        const metaPath = path.join(threadDirPath, "meta.json"); // thread 元信息文件
        // 4. 读取 meta.json(可选,提取更多信息)
        let threadMeta: Partial<IThreadIdInfo> = {};
        try {
          const metaContent = await fs.readFile(metaPath, "utf-8");
          const meta = JSON.parse(metaContent);
          threadMeta = {
            systemMsg: meta.systemMsg || "",
          };
        } catch (error) {
          console.warn(
            `thread ${threadId} 的 meta.json 不存在或损坏,跳过元信息读取`
          );
        }

        // 6. 构建关联信息
        const threadInfo: IThreadIdInfo = {
          threadId,
          systemMsg: threadMeta.systemMsg || "",
        };
        if (mapThreadIdToUserName.has(userName)) {
          mapThreadIdToUserName.get(userName)?.push(threadInfo);
        } else {
          mapThreadIdToUserName.set(userName, [threadInfo]);
        }
      }
    }
    console.log(
      `初始化完成:共加载 ${mapThreadIdToUserName.size} 个 threadId 映射`
    );
    return mapThreadIdToUserName;
  } catch (error) {
    console.error("初始化 threadId-用户名 映射失败:", error);
    return mapThreadIdToUserName; // 失败时返回空映射
  }
}
搭建Agent
css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts ★
│   ├── tools.ts 
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

将上述各部分进行整合,配置

typescript 复制代码
import {
  createAgent,
} from "langchain";

const allTools = [
// CSDN资讯funCall
  fetchData,
// 天气funCall
  getFutureWeather,
//   搜索引擎funCall
  searchTool,
//   MCP
  ...MCPTools,
];

 // 定义Agent
  const Agent = createAgent({
    model: model,
    tools: allTools,
    middleware: [
      createRetryMiddleware(),
      dynamicSystemPromptMiddleware((state, runtime: { context: IContext }) => {
        const userName = runtime.context?.userName;
        const threadId = runtime.context?.thread_id;
        return (
            // 这里配置system
          getThreadId(userName, threadId)?.systemMsg ||
          `你是一个智能助手. 称呼用户为${userName}.`
        );
      }),
    //   人工监督决策功能
      humanInTheLoopMiddleware({
        interruptOn: {
          getFutureWeather: {
            allowedDecisions: ["approve", "reject"],
            description: "是否确认获取天气信息",
          },

          modelstudio_image_gen_wan25: {
            allowedDecisions: ["approve", "reject"],
            description: "是否确认生成图片",
          },

          modelstudio_image_edit_wan25: {
            allowedDecisions: ["approve", "reject"],
            description: "是否确认编辑图片",
          },
        },
        descriptionPrefix: "功能执行前需要用户确认",
      }),
    ]
  });

至此Agent搭建完成。后续便是路由。

路由配置

css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts ★
│   ├── tools.ts 
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

功能包含:用户提问对话(流式传输),设定系统消息,历史记录获取,移除会话等

用户提问对话(流式传输)

这部分需要处理不同的消息类型以及图片保存到oss。

消息有几种类型:messages,custom,updates

类型 核心含义 典型使用场景
messages 核心对话消息 AI 回复用户的核心文本 / 多媒体内容(如问答、闲聊、指令响应),是最基础的类型
custom 自定义消息 业务侧扩展的非标消息(如带按钮的卡片、专属业务字段的回复、个性化模板消息)
updates 状态更新消息 AI 回复的过程性 / 状态类通知(如 "正在生成回答""内容已更新""会话状态变更")

根据不同类型需要进行不同处理,已得到更好的消息提示。

具体代码如下:

typescript 复制代码
app.post("/chat", async (req, res) => {
    const userMessage = req.body.userMsg;
    const userName = req.body.userName;
    // 历史消息标识
    const thread_id = req.body.thread_id;

    // 中断交互情况,用于人工监督控制
    const interruptCallParams = req.body.interruptCallParams;

    console.log(userMessage, userName, thread_id);

    // 2. 设置 SSE 响应头(关键)
    res.writeHead(200, {
      "Content-Type": "text/event-stream",
      "Cache-Control": "no-cache", // 禁用缓存,避免流被浏览器缓存中断
      Connection: "keep-alive", // 维持长连接
      "X-Accel-Buffering": "no", // 禁用 Nginx 缓冲(若用 Nginx 反向代理)
    });
    try {
      // 如果用户有消息,保存用户消息
      if (userMessage) {
        await chatStorage.saveMessage(userName, thread_id, {
          role: "user",
          content: userMessage,
          metadata: { view: "web" },
        });
      }

      let chatParams = null;

      // 中断交互情况,通过Command指令
      if (interruptCallParams) {
        chatParams = new Command({
          resume: { decisions: [interruptCallParams] },
        });
      } else {
        const history = await chatStorage.readAllMessages(userName, thread_id);
        chatParams = {
          messages: history as any,
        };
      }

      // 流式请求
      const aiResponse = await Agent.stream(chatParams, {
        configurable: { thread_id: thread_id },
        streamMode: ["updates", "messages", "custom"],
        context: { userName: userName, thread_id: thread_id },
      });
      let allMessages = "";
      for await (const [streamMode, chunk] of aiResponse) {
        if (streamMode === "messages" && !(chunk[0] instanceof ToolMessage)) {
          // 用 SSE 格式包装(data: 内容\n\n),前端可直接解析
          if (chunk[0].content) {
            res.write(
              `data: ${JSON.stringify({
                type: "messages",
                content: chunk[0].content,
              })}\n\n`
            );
          }
        } else if (streamMode === "custom") {
          res.write(
            `data: ${JSON.stringify({ type: "custom", content: chunk })}\n\n`
          );
        } else if (streamMode === "updates") {
          if (chunk["model_request"]) {
            // 完整消息
            const fullMsg = chunk["model_request"].messages[0].content;
            // 中断交互情况会返回空字符串情况
            if (fullMsg) allMessages = fullMsg as string;
          }
          // 处理中断,需要用户手动确认
          if (chunk["__interrupt__"]) {
            res.write(
              `data: ${JSON.stringify({
                type: "interrupt",
                content: (chunk["__interrupt__"] as any)[0].value.actionRequests,
              })}\n\n`
            );
          }
        }
      }

      // 图片处理
      // 🔥 流结束后:检测并处理图片
      const imageUrlRegex =
        /\[([^\]]*)\]\((https:\/\/dashscope-result[^)\s]+)\)/g;
      const imageUrls = [...allMessages.matchAll(imageUrlRegex)].map(
        (m) => m[2]
      );

      for (const originalUrl of imageUrls) {
        try {
          const filename = await saveWanxiangImageToOss(originalUrl);

          const escapedUrl = escapeRegExp(originalUrl);
          const reg = new RegExp(`!?\\[.*?\\]\\(${escapedUrl}\\)`, "g");

          // 4. 推送你自己的图片路径给前端
          const publicUrl = filename;
          allMessages = allMessages.replaceAll(
            reg,
            `![${originalUrl}](${publicUrl})`
          );
          res.write(
            `data: ${JSON.stringify({
              type: "image",
              url: publicUrl, // 前端可直接访问
              originalUrl: originalUrl, // 可选:用于调试
            })}\n\n`
          );
        } catch (err) {
          console.error(
            "❌ 图片下载失败:",
            originalUrl,
            err instanceof Error ? err.message : "未知错误"
          );
          res.write(
            `data: ${JSON.stringify({
              type: "image_error",
              message: "图片保存失败",
            })}\n\n`
          );
        }
      }

      // 流结束,有消息情况保存,推送完成标识
      if (allMessages) {
        // 保存ai消息
        await chatStorage.saveMessage(userName, thread_id, {
          role: "assistant",
          content: allMessages,
          metadata: { model: modelName },
        });
      }
      // 用户对应线程ID集合
      addThreadId(userName, thread_id);
      res.write(
        `data: ${JSON.stringify({ type: "complete", content: "" })}\n\n`
      );

      res.end(); // 关闭连接
    } catch (err) {
      // 错误处理
      console.error("发送消息失败:", err);
      res.status(500).json({
        error: err instanceof Error ? err.message : "发送消息时发生错误",
      });
    }
  });

这里需要对模型返回的图片链接进行保存和重新替换以保证对话的持久性,新增imageHandler.ts工具

css 复制代码
├── src/
│   ├── main.ts
│   ├── modelChat.ts
│   ├── tools.ts 
├── utils/
│   ├── imageHandler.ts ★
├── nodemon.json
├── package.json
├── tsconfig.json
└── README.md

代码如下

OSS配置可看阿里云oss官方文档

typescript 复制代码
// imageHandler.js
import OSS from "ali-oss";

// 你自己的配置参数
const ossClient = new OSS({
  region: #####, // 如 'oss-cn-hangzhou'
  accessKeyId: ######,
  accessKeySecret: ######,,
  bucket: ######,,
});


export async function saveWanxiangImageToOss(
  originalUrl: string,
  customFilename = null
) {
  try {
    console.log("################################");
    console.log("开始获取图片:", originalUrl);
    // 1. 下载图片
    // 加入token
    const response = await fetch(originalUrl, {
      method: "GET",
      headers: {
        "User-Agent":
          "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36",
        Accept:
          "image/avif,image/webp,image/apng,image/svg+xml,image/*,*/*;q=0.8",
        //   DASHSCOPE_API是百炼MCP的api
        Authorization: `Bearer ${DASHSCOPE_API}`,
      },
    });

    if (!response.ok) {
      throw new Error(
        `Download failed: ${response.status} ${await response.text()}`
      );
    }

    const ImageBlob = await response.blob();
    // 转换为 Buffer
    const arrayBuffer = await ImageBlob.arrayBuffer();
    const buffer = Buffer.from(arrayBuffer);

    const contentType = response.headers.get("content-type") || "image/png";

    // 2: 生成 OSS 文件名
    const filename =
      customFilename ||
      `wanxiang/${Date.now()}_${Math.random().toString(36).slice(2, 10)}.${
        contentType.split("/")[1]
      }`;

    console.log("################################");
    console.log("开始上传图片:", filename);
    // 3: 上传到你的 OSS
    const result = await ossClient.put(filename, buffer, {
      headers: {
        "Content-Type": contentType,
      },
    });

    console.log("✅ 图片已保存到 OSS:", result.url);
    return result.url; // 这是你自己的 OSS 公开 URL
  } catch (err: any) {
    console.error("🔥 保存图片到 OSS 失败:", err?.message);
    throw err;
  }
}
设定系统消息

存储方案的实现,直接调用修改元数据即可

typescript 复制代码
// 设定系统消息
  app.post("/setSystemMsg", async (req, res) => {
    const systemMsg = req.body.systemMsg;
    const userName = req.body.userName;
    const threadId = req.body.thread_id;
    // 添加线程ID和系统消息
    addThreadId(userName, threadId, systemMsg);
    // 保存线程ID和系统消息
    await chatStorage.updateThreadMeta(userName, threadId, { systemMsg });
    // 获取用户的所有线程ID
    const thisUserAlreadyThreadId = getThreadIdList(
      userName
    ) as IThreadIdInfo[];
    res.json({
      message: "系统消息设定成功",
      threadIdList: Array.from(thisUserAlreadyThreadId),
    });
  });
历史记录获取
typescript 复制代码
 // 获取历史消息
  app.get("/history", async (req, res) => {
    const thread_id = req.query.thread_id as string;
    const userName = req.query.userName as string;
    console.log("获取历史消息:", thread_id);
    try {
      // 从存储中获取历史消息
      const history = await chatStorage.readAllMessages(userName, thread_id);
      res.json({
        msg: "历史消息获取成功",
        messages: history,
        threadInfo: getThreadId(userName, thread_id),
      });
    } catch (err) {
      console.error("获取历史消息失败:", err);
      res.status(500).json({
        error: err instanceof Error ? err.message : "获取历史消息时发生错误",
      });
    }
  });
移除会话
typescript 复制代码
  // 移除会话
  app.delete("/history", async (req, res) => {
    const thread_id = req.query.thread_id as string;
    const userName = req.query.userName as string;
    console.log("移除会话:", thread_id);
    try {
      await chatStorage.deleteThread(userName, thread_id);
      // 从用户线程ID集合中移除
      removeThreadId(userName, thread_id);
      res.json({
        message: "会话移除成功",
      });
    } catch (err) {
      console.error("移除会话失败:", err);
      res.status(500).json({
        error: err instanceof Error ? err.message : "移除会话时发生错误",
      });
    }
  });
}

至此所有路由功能配置完成。

项目启动

dash 复制代码
pnpm run start

前端搭建

整体项目简单可按逻辑自行搭建,详细后续写

主要问答逻辑代码如下:

typescript 复制代码
    const abortController = new AbortController();
    abortControllerRef.current = abortController;

    // 1. 发送 POST 请求(支持传递复杂 Body 数据)
    const res = await fetch(`/api/chat`, {
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        Accept: "text/event-stream", // 告知服务端需要事件流
    },
    body: JSON.stringify({
        userName,
        thread_id,
        userMsg,
        interruptCallParams,
    }),
    signal: abortController.signal, // 用于中断请求
    });

    // 2. 校验响应状态
    if (!res.ok) throw new Error(`请求失败:${res.statusText}`);
    if (!res.body) throw new Error("后端未返回流式响应");

    // 3. 解析 ReadableStream(核心:逐块读取流数据)
    const reader = res.body.getReader();
    const decoder = new TextDecoder(); // 解码二进制数据为字符串
    let buffer = ""; // 缓存不完整的 Chunk(避免 JSON 被拆分)
    let msg = "";
    // 循环读取流
    while (true) {
        const { done, value } = await reader.read();

        if (done) break; // 流结束,退出循环

        // 4. 解码并处理每条数据
        buffer += decoder.decode(value, { stream: true }); // 流式解码,保留不完整数据
        const chunks = buffer.split("\n\n"); // 按 SSE 格式分割(每块以 \n\n 结束)
        buffer = chunks.pop() || ""; // 保留最后不完整的 Chunk,下次合并处理

        // 5. 处理每个完整的 Chunk
        for (const chunk of chunks) {
            //   console.log(chunk, "chunk");

            if (!chunk.startsWith("data: ")) continue; // 过滤非 SSE 格式数据
            const dataStr = chunk.slice(6); // 去掉前缀 "data: "
            if (dataStr === "[DONE]") continue; // 忽略结束标记

            // 解析 JSON 数据
            const data = JSON.parse(dataStr);
            switch (data.type) {
            case "messages":
                msg += data.content;
                setHistory((prev) => {
                // 如果历史最后一条已经是 AI 消息(流式中),直接更新 content
                if (prev.length > 0 && prev.at(-1)?.role === "assistant") {
                    return [
                    ...prev.slice(0, -1),
                    { role: "assistant", content: msg },
                    ];
                }
                // 若还没有 AI 消息(首次接收 chunk),直接添加新的 AIMessage
                return [...prev, { role: "assistant", content: msg }];
                });
                break;
            case "custom":
                setToolTips(data.content);
                break;
            case "interrupt":
                setInterruptMsg(JSON.stringify(data.content, null, 2));
                break;
            // 👇 新增:处理图片
            case "image": {
                // 将 base64 图片插入到当前消息末尾(或替换原 URL)
                const imgUrl = data.url; // 或直接用 HTML
                const originalUrl = data.originalUrl;

                const escapedUrl = escapeRegExp(originalUrl);
                const reg = new RegExp(`!?\\[.*?\\]\\(${escapedUrl}\\)`, "g");
                setHistory((prev) => {
                if (prev.at(-1)?.role === "assistant") {
                    // 替换最后一条 AI 消息的Url
                    const lastMsg = prev.at(-1);
                    return [
                    ...prev.slice(0, -1),
                    {
                        role: "assistant",
                        content:
                        lastMsg?.content?.replace(reg, `![图片](${imgUrl})`) ||
                        "",
                    },
                    ];
                }
                return [...prev, { role: "assistant", content: msg }];
                });
                break;
            }
            case "image_error":
                msg += `\n❌ 图片加载失败`;
                setHistory((prev) => {
                if (prev.length > 0 && prev.at(-1)?.role === "assistant") {
                    return [
                    ...prev.slice(0, -1),
                    { role: "assistant", content: msg },
                    ];
                }
                return [...prev, { role: "assistant", content: msg }];
                });
                break;
            case "complete":
                setToolTips("");
                break;
            case "error":
                throw new Error(data.content);
            }
        }
    }

功能展示

对话界面

简单对话,功能展示

Human-in-the-Loop (HITL)

搜索

进度提示

人物设定

文生图

图生视频

存储结构

总结

Agent 功能可以实现,函数调用和MCP也能执行成功,但部分时候还不稳定,func的描述还需要写详细。同时针对视频这类需要时间的可以加入消息推送功能。整体一个功能丰富的Agent搭建完成。

相关推荐
mCell1 小时前
【万字长文】从 AI SDK 到 mini-opencode:一次很巧的 Go Agent 架构实践
架构·go·agent
用户47949283569154 小时前
我开源了 Memex — 给 Claude Code 和 Codex 的本地会话搜索引擎
agent·claude
链上杯子5 小时前
《2026 LangChain零基础入门:用AI应用框架快速搭建智能助手》第8课(完结篇):小项目实战 + 部署 —— 构建网页版个人知识库 AI 助手
人工智能·langchain
笨手笨脚の6 小时前
AI 基础概念
人工智能·大模型·prompt·agent·tool
用户47949283569158 小时前
所有人都在说 Harness Engineering,所以它到底是啥?
agent·ai编程
飞Link10 小时前
LangChain Core 架构深度剖析与 LCEL 高阶实战
人工智能·架构·langchain
安思派Anspire10 小时前
安思派发布「OpenClaw实时联网搜索Skill」,让龙虾“睁眼看世界”!
aigc·openai·agent
wooyoo10 小时前
花了一周 vibe 了一个 OpenClaw 的 Agent 市场,聊聊过程中踩的坑
前端·后端·agent
沉下去,苦磨练!10 小时前
langchain调用大模型
langchain
于过10 小时前
AgentMiddleware is All You Need
人工智能·langchain·llm