LangGraph Agent 模式详解：从自主决策到 Tool Calling 执行链

前面的文章我们已经学习了 LangGraph 的核心能力：
text 复制代码
State
Checkpoint
Memory
Interrupt
Tool
Stream
Subgraph
这些解决的是 Agent 如何运行、保存状态以及恢复执行。

但是一个真正的 Agent 工作流还有一个核心问题：

模型如何决定下一步做什么？工具调用后结果如何重新回到模型？

1. Workflow 和 Agent 的区别

固定 Workflow：

text 复制代码

用户问题
↓
检索节点
↓
生成节点
↓
结束

特点：

text 复制代码

开发者决定下一步执行什么

适合：

RAG
数据处理
固定业务流程

Agent：

text 复制代码

用户输入
↓
LLM 判断
↓
选择行动
↓
执行
↓
观察结果
↓
继续判断

特点：

text 复制代码

模型决定下一步做什么

核心思想：

text 复制代码

Reasoning

↓

Action

↓

Observation

↓

Reasoning

2. LangGraph Agent 基本结构

典型 Agent：

text 复制代码

START

↓

Agent节点

↓

是否需要调用工具？

      /        \

    否          是

    ↓           ↓

   END       ToolNode

                ↓

             Agent节点

与普通 Chain 最大区别：

text 复制代码

Agent存在循环

执行过程：

text 复制代码

Agent

↓

Tool

↓

Agent

↓

Tool

↓

...

直到模型认为任务完成。

3. Agent 节点负责什么？

Agent 节点通常调用模型：

python 复制代码

def agent_node(state):

    response = model.invoke(
        state["messages"]
    )

    return {
        "messages":[response]
    }

主要负责：

读取 State

例如：

python 复制代码

state["messages"]

包含：

text 复制代码

用户问题

历史消息

工具结果

调用模型

模型判断：

text 复制代码

是否需要工具？

调用哪个工具？

参数是什么？

返回 AIMessage

如果不需要工具：

text 复制代码

直接回答

如果需要工具：

text 复制代码

AIMessage.tool_calls

4. Tool Calling 完整流程

完整链路：

text 复制代码

用户输入

↓

Agent节点

↓

LLM生成 tool_calls

↓

ToolNode执行工具

↓

ToolMessage返回结果

↓

Agent继续推理

↓

最终回答

5. bind_tools 到底做什么？

例如：

python 复制代码

model_with_tools = model.bind_tools(
    tools
)

它不会执行工具。

作用只是告诉模型：

text 复制代码

有哪些工具

工具参数

工具用途

模型产生：

python 复制代码

AIMessage(
    tool_calls=[
        {
            "name":"get_weather",
            "args":{
                "city":"北京"
            }
        }
    ]
)

此时只是：

text 复制代码

提出调用请求

真正执行需要：

text 复制代码

ToolNode

6. ToolNode 如何工作？

ToolNode 负责：

text 复制代码

读取 tool_calls

↓

查找工具

↓

执行工具

↓

生成 ToolMessage

例如：

text 复制代码

调用:

get_weather("北京")

↓

返回:

北京今天晴天

然后：

text 复制代码

ToolMessage

回到 Agent。

7. Agent 为什么需要循环？

现实任务通常不是一步完成。

例如：

用户：

text 复制代码

分析苹果公司的股票情况

Agent：

第一次：

text 复制代码

查询股票价格

第二次：

text 复制代码

查询相关新闻

第三次：

text 复制代码

整理分析报告

所以 Agent 是：

text 复制代码

输入

↓

思考

↓

行动

↓

观察

↓

继续思考

↓

输出

8. Agent 为什么比 Workflow 复杂？

Workflow：

text 复制代码

A → B → C

路径固定。

Agent：

text 复制代码

A

↓

LLM决定

↓

可能B

可能C

可能D

问题：

调试困难

需要观察：

text 复制代码

messages

tool_calls

checkpoint

成本不可控

一次任务可能：

text 复制代码

LLM

↓

工具

↓

LLM

↓

工具

需要限制

生产环境通常需要：

text 复制代码

最大循环次数

超时控制

工具白名单

人工审批

结合：

text 复制代码

Checkpoint

Interrupt

Retry

Timeout

9. 企业级 Agent 通常是混合模式

实际项目：

text 复制代码

用户请求

↓

Router

↓

----------------

固定流程      Agent

RAG流程       复杂任务

----------------

↓

Tool

↓

Evaluator

↓

结果

也就是说：

text 复制代码

确定流程
使用 Workflow

不确定任务
使用 Agent