旧版 LangChain 已死：新版竟以LangGraph为底座封装

随着 AI Agent 的爆发式发展，LangChain 在 1.0 版本完成了一次重要的架构重构。

LangChain 0.x版本的工作流编排写法已经被官方彻底废弃，取而代之的是基于LangGraph封装的Agent抽象，实现真正的Agent。

如果说 LangChain 0.x 是 LLM 写死的工作流 ，那么 LangChain 1.0 更像一个灵活的Agent 应用框架。

LangChain 被设计出来主要基于两个核心目标：

1 标准化模型接口

不同 LLM Provider API 差异巨大，例如：

OpenAI
Anthropic
Google
本地模型

LangChain提供统一接口，使开发者可以随时替换模型。

2 让模型可以编排复杂流程

LLM 不应该只用于文本生成，而应该：

调用工具
访问数据
规划任务
控制工作流

LangChain 的目标是让 LLM 成为应用的 orchestrator（调度器） 。

不同时间节点的架构演进

LangChain 的发展大致经历了四个阶段：

时间	架构
2022	LLM + Chains
2023	Agents
2024	LangGraph
2025	LangChain 1.0 Agent Runtime

官方时间线：

2022：LangChain 发布
2023：Agents 引入
2024：LangGraph 发布
2025：LangChain 1.0 发布

从LangChain1.0之后，老版本的固定工作流形式被官方彻底抛弃，不再维护。

新版LangChain以LangGraph为运行底座进行了新的抽象和封装。

新版 LangChain 架构结构

LangChain 1.0 的架构分为三层：

核心思想：

LangChain = Agent API

LangGraph = Agent Runtime

新版 LangChain Agent 的工作原理

LangChain Agent 的核心逻辑是：

scss 复制代码

Observe → Reason → Act → Repeat

这来源于著名的 ReAct Agent 模式。

Agent 工作流程：

这一流程的核心是：

LLM 决定下一步行动。

LangChain 0.x 的问题

旧版 LangChain 存在几个问题：

1 Chains 过于固定

Chain 是固定流程，例如：

复制代码

Retriever → Prompt → LLM

难以处理复杂逻辑。

2 Agent 不够稳定

早期 Agent的JSON parsing和prompt engineering容易失败。

3 控制流程能力弱

例如retry、human-in-loop、streaming很难实现。

为了解决这些问题，LangChain 团队推出：

LangGraph

它是一个 Agent 运行时 / 工作流引擎。

LangGraph 架构：

核心能力：

状态管理
工作流控制
Streaming
Memory
Human-in-loop

LangChain 1.0 版本的核心变化

LangChain 1.0 主要做了三件事：

1. Agent 成为唯一的抽象

arduino 复制代码

// 旧版：
Chains
Agents
Tools
Memory
// 新版：
Agent

所有逻辑统一到 Agent。

2. Chains 被官方彻底废弃

旧版：

复制代码

LLMChain
ConversationChain
RetrievalQAChain

新版统一使用 Agent。

3 引入标准消息格式

c 复制代码

// 旧版：
content: string
// 新版：
contentBlocks

新版支持：

text
reasoning
citations
tool calls

LangChain 1.0 Agent 架构

LangChain Agent 运行时：

组件	作用
Agent	决策逻辑
Middleware	控制 Agent 行为
Tools	执行外部操作
Models	推理能力
Memory	状态管理

代码示例对比

老版本示例

typescript 复制代码

// 旧版 LangChain 0.x：使用 initializeAgentExecutorWithOptions + DynamicTool

import { ChatOpenAI } from "@langchain/openai";
import { DynamicTool } from "@langchain/core/tools";
import { initializeAgentExecutorWithOptions } from "langchain/agents";

const model = new ChatOpenAI({
  modelName: "gpt-4.1", // 或 gpt-4o 等
  temperature: 0,
});

// 老版工具通常是"字符串输入 + 手动解析"
const weatherTool = new DynamicTool({
  name: "getWeather",
  description: "Get weather information. Input should be a JSON string like {"city":"Tokyo"}.",
  async func(input: string) {
    let city = input;
    try {
      const parsed = JSON.parse(input);
      city = parsed.city ?? input;
    } catch {
      // 如果不是 JSON，就当成城市名本身
    }
    return `Weather in ${city} is sunny`;
  },
});

const tools = [weatherTool];

const executor = await initializeAgentExecutorWithOptions(tools, model, {
  agentType: "chat-zero-shot-react-description",
  verbose: true,
});

// 调用 Agent（旧版是 input 一个字符串）
const result = await executor.call({
  input: "What's the weather in Tokyo?",
});

console.log(result.output);

新版本示例

javascript 复制代码

// 创建Agent
import { createAgent, tool } from "langchain";
import { initChatModel } from "langchain";

const model = await initChatModel("gpt-4.1");

const weatherTool = tool({
  name: "getWeather",
  description: "Get weather information",
  schema: {
    city: "string"
  },
  async call({ city }) {
    return `Weather in ${city} is sunny`;
  }
});

const agent = createAgent({
  model,
  tools: [weatherTool],
  systemPrompt: "You are a helpful assistant"
});
// 调用Agent
const result = await agent.invoke({
  messages: [
    {
      role: "user",
      content: "What's the weather in Tokyo?"
    }
  ]
});

console.log(result);

总结

LangChain 1.0 的核心升级：

能力	旧版	新版
架构	Chains	Agent
工作流	隐式	LangGraph
消息格式	string	contentBlocks
Hook	pre/post hook	middleware
Tool 调用	JSON	structured

因为ReAct Agent的范式已经成为业内的"默认事实"，所以建议使用0.x的老版工作流编排形式的langchain的同学可以迁移成新版1.0之后的版本，以获得更好的开发体验和跟上Agent的主流发展趋势。