《LangGraph 入门：为什么 Agent 需要 Graph 工作流？》

核心问题：

为什么已经有 LangChain Agent 了，还需要 LangGraph？

1. Agent 为什么越来越复杂？

先回顾普通 Agent：

复制代码

用户输入

↓

LLM 思考

↓

调用 Tool

↓

返回结果

简单任务没问题。

例如：

查询天气

流程：

复制代码

用户
 ↓
天气 Tool
 ↓
结果

但是实际 Agent：

比如：

帮我完成一次旅游规划

可能需要：

复制代码

理解需求

↓

搜索资料

↓

制定计划

↓

检查预算

↓

修改方案

↓

等待用户确认

↓

执行

这已经不是一次 Tool 调用了。

它变成：

一个不断变化的工作流。

2. LangChain Agent 的问题

LangChain 传统 Agent 更像：

复制代码

LLM
 |
决定下一步
 |
Tool
 |
结果
 |
继续思考

所有逻辑都交给一个 Agent。

问题：

2.1 上下文越来越大

单 Agent：

diff 复制代码

System Prompt

+
所有 Tool 描述

+
所有规则

+
所有技能

例如：

一个 Agent 有：

搜索
数据库查询
邮件发送
文件处理

但用户只是问：

查订单

结果：

数据库查询相关的信息只有一点。

但是：

所有 Tool 描述都塞进去。

问题：

token 增加
无关信息干扰
决策质量下降

3. 多 Agent 为什么出现？

拆分：

markdown 复制代码

              主 Agent

                  |

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

      |          |          |

  搜索Agent   数据Agent   邮件Agent

每个 Agent：

只负责自己的领域。

例如：

搜索 Agent：

复制代码

搜索相关 Prompt
搜索 Tool
搜索规则

数据库 Agent：

sql 复制代码

SQL
Schema
查询规则

优点：

上下文更小
推理更准确
更容易维护

4. LangGraph 的核心思想

LangGraph 不关注：

让一个 Agent 无限思考。

它关注：

如何组织 Agent 的执行流程。

把流程变成 Graph：

sql 复制代码

START

 ↓

Router

 ↓

 ┌────────┐
 ↓        ↓

Search   Database

 ↓        ↓

   Result

      ↓

     END

这里：

节点：

Node

负责执行任务。

连接：

Edge

负责控制流程。

数据：

State

负责保存中间结果。

5. Graph 是什么？

Graph：

就是：

复制代码

节点 + 边

例如：

css 复制代码

A -----> B -----> C

在 LangGraph：

A/B/C：

就是 Node。

箭头：

就是 Edge。

6. State 是什么？

所有节点共享的数据。

例如：

旅游规划：

css 复制代码

{
 destination:"",
 budget:"",
 plan:[]
}

流程：

第一个节点：

kotlin 复制代码

return {
 destination:"东京"
}

第二个节点：

读取：

复制代码

state.destination

继续生成方案。

所以：

State 是 Agent 工作流中的共享上下文。

7. LangGraph 第一印象

最终：

markdown 复制代码

             State

               ↓

Node → Edge → Node → Edge → Node


               ↓

          最终结果

LangGraph 提供：

状态管理
流程编排
条件分支
循环
暂停恢复

让 Agent 从：

复制代码

一个会思考的函数

变成：

复制代码

一个可控制的工作流系统

总结

一句话：

LangGraph 是一个基于 Graph 结构编排 Agent 工作流的框架，它通过 State 保存上下文，通过 Node 执行业务逻辑，通过 Edge 控制执行路径，让复杂 Agent 支持分支、循环、记忆和人工介入。