🧠 LangChain Agent 入门：为什么直接调大模型 API 远远不够？

摘要：你是不是也以为 Agent 就是调个 OpenAI API？本文从一个真实场景出发，带你理解 Agent 的本质 ------ 给大模型装上"记忆"、"工具"和"知识库"，让它从"只会说"变成"能做事"。

📌 前言

上周有个朋友问我："我想做个能帮我写代码的 AI 助手，直接调 OpenAI 的 API 不就行了？"

我反问了他几个问题：

你上周和它聊过的代码，它还记得吗？
让它帮你创建一个 React 项目，它能做到吗？
你们公司的内部技术文档，它知道吗？

他沉默了。

这就是为什么我们需要 Agent。

🎯 本文适合谁

用过 ChatGPT / OpenAI API，但想更进一步的同学
听过 Agent 但不太清楚它和普通 API 调用有什么区别的同学
想用 JavaScript/Node.js（而非 Python）做 AI 开发的前端/全栈工程师

📚 一、直接调 LLM API 的五大痛点

很多人做 AI 应用的第一步就是：

javascript 复制代码

import OpenAI from 'openai';
const client = new OpenAI();
const response = await client.chat.completions.create({
    model: 'gpt-4',
    messages: [{ role: 'user', content: '你好' }]
});

能跑通，但很快你会遇到这些问题：

痛点 1：无记忆（Stateless）

大模型是无状态的。每次调用都是独立的，它不记得你上一轮说了什么。

复制代码

用户：我叫张三
AI：你好，张三！
用户：我叫什么？
AI：抱歉，我不知道你叫什么。

解决方案：Memory 模块 ------ 把历史消息存下来，每次调用时带上。

痛点 2：不能执行（只能想，不能做）

你让大模型"帮我读一下 src/index.mjs 的内容"，它会给你一段思路：

"你可以用 Node.js 的 fs.readFile 方法来读取文件......"

但它不会真的去读。它只能告诉你怎么做，不能帮你做。

解决方案：Tool 模块 ------ 给大模型装上"手脚"，让它能调用函数。

痛点 3：知识有限（不知道你的私有数据）

大模型的训练数据是公开的。你们公司的内部文档、私有的 API 接口、项目的配置文件 ------ 它一概不知。

解决方案：RAG（检索增强生成）------ 让大模型先查知识库，再回答。

痛点 4：信息过时（训练数据有截止日期）

"2026 年世界杯冠军是谁？" ------ 如果模型的训练数据截止到 2024 年，它就答不上来。

解决方案：MCP（Model Context Protocol）------ 让大模型能调用第三方工具（搜索、API 等）获取实时信息。

痛点 5：不会规划（复杂任务一步到位）

你让它"帮我创建一个 React 项目，添加 TodoList 功能，安装依赖，启动开发服务器"，它可能直接给你一坨代码，但不会分步骤执行。

解决方案：Skills / Planning ------ 让大模型能拆解任务、分步执行。

📚 二、Agent 的本质

把上面的解决方案组合起来，就是 Agent 的公式：

ini 复制代码

Agent = LLM + Memory + Tool + RAG + MCP + Skills

用一张图来理解：

markdown 复制代码

用户提出复杂任务
       ↓
   ┌─────────────────────────────────┐
   │           Agent（智能体）          │
   │                                 │
   │   🧠 LLM     → 大脑（思考/推理）  │
   │   💾 Memory   → 记忆（上下文）     │
   │   🔧 Tool     → 手脚（执行操作）   │
   │   📚 RAG      → 知识库（私有数据）  │
   │   🔌 MCP      → 外部接口（第三方）  │
   │   ⚡ Skills   → 技能（任务编排）   │
   │                                 │
   └─────────────────────────────────┘
       ↓
   返回结果给用户

一句话总结：Agent 就是给大模型装上记忆、工具和知识库，让它从"只会说"变成"能做事"。

📚 三、Agent 的工作流程

markdown 复制代码

用户提交任务（Prompt）
       ↓
Agent 接收任务
       ↓
LLM 规划/推理（Planning/Reasoning）
       ↓
┌──────────────────────────────────┐
│  需要加载 Memory？  → 加载历史上下文  │
│  需要调用 Tool？    → 执行工具获取结果  │
│  需要查询 RAG？     → 检索知识库      │
└──────────────────────────────────┘
       ↓
组装结果 → 返回给用户

关键点：LLM 负责"想"，Tool 负责"做"。

LLM 决定：我需要调用哪个工具？传什么参数？
Tool 执行：读文件、写代码、调 API......
LLM 再决定：拿到结果后，下一步做什么？

这个"想 → 做 → 想 → 做"的循环，就是后面我们要讲的 ReAct 模式。

📚 四、LangChain.js ------ Agent 开发框架

为什么需要框架？

你可以从零手写 Agent（直接调 OpenAI API + 自己管理消息 + 自己处理 tool_calls），但会很痛苦：

要自己拼 messages 数组
要自己解析 tool_calls
覣自己处理工具执行结果
要自己做错误处理和重试

LangChain 帮你封装了这些脏活累活。

框架对比

框架	语言	定位	适合场景
LangChain	Python / JS	单智能体开发框架	Agent、Chain、Tool 开发
LangGraph	Python / JS	多智能体开发框架	复杂工作流、多 Agent 协作
Vercel AI SDK	TypeScript	前端 AI SDK	前端集成、流式输出
Semantic Kernel	C# / Python / Java	微软 AI 框架	企业级应用

我们选 LangChain.js，原因：

前端工程师用 JS/TS 更顺手
Tool 抽象做得非常好
社区生态最完善

📚 五、LangChain.js 快速上手

安装依赖

bash 复制代码

pnpm add @langchain/core @langchain/openai zod dotenv

包	作用
`@langchain/core`	LangChain 核心，提供 Tool、Message、Chain 等抽象
`@langchain/openai`	OpenAI 兼容的 LLM 封装（支持自定义 baseURL）
`zod`	TypeScript 优先的参数校验库，给 Tool 定义 schema
`dotenv`	环境变量管理，读取 .env 文件

环境变量配置

创建 .env 文件：

env 复制代码

MIMO_MODEL=gpt-4
MIMO_API_KEY=sk-xxxx
MIMO_API_BASE_URL=https://api.openai.com/v1

💡 提示：MIMO_API_BASE_URL 可以改成任何 OpenAI 兼容的 API 地址，比如 DeepSeek、Moonshot、本地 Ollama 等。这就是 LangChain "模型无关"的优势。

第一次调用 LLM

javascript 复制代码

import { ChatOpenAI } from '@langchain/openai';
import 'dotenv/config';

// 创建模型实例
const model = new ChatOpenAI({
    modelName: process.env.MIMO_MODEL,
    apiKey: process.env.MIMO_API_KEY,
    configuration: {
        baseURL: process.env.MIMO_API_BASE_URL,
    }
});

// 调用模型
const response = await model.invoke('你好，请介绍一下你自己');
console.log(response.content);

`model.invoke()` 返回了什么？

javascript 复制代码

{
    content: '你好！我是一个AI助手...',     // 文本内容
    tool_calls: [],                        // 工具调用列表（后面会讲）
    response_metadata: { ... },            // 元数据
    usage_metadata: { ... },               // token 使用量
}

现在 tool_calls 是空的，因为我们还没给模型绑定工具。下一篇讲 Tool 的时候，你就会看到它有值了。

📚 六、LangChain 的 Message 体系

LangChain 定义了 4 种消息类型，对应 OpenAI API 的 role：

javascript 复制代码

import {
    SystemMessage,  // role: 'system'    → 系统提示词，定义 AI 的行为
    HumanMessage,   // role: 'user'      → 用户消息
    AIMessage,      // role: 'assistant' → AI 回复（可能包含 tool_calls）
    ToolMessage,    // role: 'tool'      → 工具执行结果
} from '@langchain/core/messages';

消息类型	对应 role	谁发的	用途
`SystemMessage`	`system`	开发者	定义 AI 的角色、行为规则
`HumanMessage`	`user`	用户	用户的输入
`AIMessage`	`assistant`	AI	AI 的回复，可能包含 tool_calls
`ToolMessage`	`tool`	开发者	工具执行的结果，回传给 AI

使用示例

javascript 复制代码

const messages = [
    new SystemMessage('你是一个代码助手，可以使用工具读取文件'),
    new HumanMessage('请帮我读取 src/index.mjs 文件'),
];

const response = await model.invoke(messages);

🔑 为什么要用 LangChain 的 Message 类？ 而不是直接传 { role: 'user', content: '...' }？因为 LangChain 的 Message 类提供了类型安全、额外的元数据支持，以及和 Tool 系统的无缝集成。

💡 重点总结

直接调 API 的五大痛点：无记忆、不能执行、知识有限、信息过时、不会规划。
Agent 的本质 ：Agent = LLM + Memory + Tool + RAG + MCP + Skills，给大模型装上"能力扩展"。
Agent 的核心逻辑：LLM 负责"想"（规划、推理），Tool 负责"做"（执行操作）。
LangChain.js 的价值：封装了消息管理、Tool 调用、错误处理等脏活累活，让你专注于业务逻辑。
模型无关 ：通过 baseURL 可以对接任何 OpenAI 兼容的 API，不被某个模型绑定。

🔗 参考资料

💬 交流讨论

这是 LangChain Agent 系列的第一篇。下一篇我们会深入讲解 Tool Calling 机制 ------ 让大模型真正"动手做事"的核心原理。

你对 Agent 开发有什么疑问？欢迎评论区交流！

觉得有用？点个赞👍收藏⭐关注👆，下一篇深入 Tool Calling 的底层逻辑！

📎 标签：LangChain、AI Agent、JavaScript、Node.js、大模型

🧠 LangChain Agent 入门：为什么直接调大模型 API 远远不够？