langchain核心组件1-智能体

这里写目录标题

简介

简介

langchain版本 v1.x

在此版本中，langchain可以创建一个智能体

基础使用

我日常使用因为是直接对话，所以基本上只需要以下几个组件

model：定义智能体大脑，是大语言模型地址，可以云也可以本地
tools：智能体可以使用的工具集合，在使用中可以通过工具来实现用户需要
middleware：中间件，类似于spring中的aop，可以在中间拦截做对应业务处理，例如权限，prompt改写，敏感词删选，敏感数据清空等。
system_prompt：系统提示词，类似于告诉llm，它的角色是什么，基本上同模型，提示词越好，agent效果越好
checkpointer：模型短期记忆，模型因此可以实现短期记忆，放内存还是放库里，自行决定
state_schema: 状态记录数属性，里面可以放置一些需要的变量值，打断点可以发现在runtime.state中

python 复制代码

chat_model = ChatTongyi(model="qwen3-max")
# 这里是各个langchain工具
tools = [None]
middlewares = [None]
system_prompt = "你是一个智能助手，要帮助用户解决问题"
response_format = "返回数据以json格式"
memory = InMemorySaver()
# 使用示例
if __name__ == "__main__":
    agent = create_agent(
        model=chat_model,
        tools=tools,
        system_prompt=system_prompt,
        middleware=middlewares,
        state_schema=AgentState,
        checkpointer=memory
    )

静态模型使用

python 复制代码

def static_model_agent():
    '''
    静态模型使用
    :return:
    '''
    agent = create_agent(model=chat_model)
    config: RunnableConfig = {"configurable": {"thread_id": "1"}}

    response = agent.invoke({"messages": "你好，我是张鹏"}, config)
    for message in response["messages"]:
        print(message.pretty_print())

这是最简单的用法，直接调用llm，使用基础对话功能。

动态模型

python 复制代码

def dynamic_model_agent():
    '''
    静态模型使用
    :return:
    '''
    advanced_model = ChatTongyi(model="qwen3-max")
    basic_model = ChatTongyi(model="qwen3-max")
    @wrap_model_call
    def dynamic_model_selection(request: ModelRequest, handler) -> ModelResponse:
        """根据对话复杂性选择模型。"""
        message_count = len(request.state["messages"])

        if message_count > 10:
            # 对较长的对话使用高级模型
            new_request = request.override(model=advanced_model)
        else:
            new_request = request.override(model=basic_model)

        # 使用新请求调用处理器
        return handler(new_request)
    agent = create_agent(
        model=basic_model,  # 默认模型
        middleware=[dynamic_model_selection]
    )
    response = agent.invoke({"messages": "你好，我是张鹏"})
    for msg in response["messages"]:
        print(msg.pretty_print())

这里要使用动态模型就要使用@wrap_model_call注解，标识在request中修改替换model。
这里尤其注意的是：官方文档代码会执行报错

python 复制代码

    if message_count > 10:
        # 对较长的对话使用高级模型
        model = advanced_model
    else:
        model = basic_model

    request.model = model
    return handler(request)

这里会报错DeprecationWarning: Direct attribute assignment to ModelRequest.model is deprecated. Use request.override(model=...) instead to create a new request with the modified attribute.

request.model = model

原因：ModelRequest 对象是不可变的（immutable），我们可以直接new一个新的赋值然后返回。