LangGraph快速入门 —— Agent 是怎么转起来的

第二篇：Agent 是怎么转起来的

上一篇讲了骨架：状态、节点、边。这一篇给图装上一个会自己判断下一步的模型，涉及 test3.py、test2.py、test12.py 和 test13.py。

工具先要有说明书

复制代码

from langchain_core.tools import tool

@tool
def add_tool(a: int, b: int) -> int:
    """计算两个整数之和"""
    return a + b

test3.py 只做了一件事，验证工具定义能不能被模型看懂。docstring 是给模型看的说明，参数类型会被自动转成 JSON Schema。写不清楚说明，模型就调错参数，这个和提示词质量是一回事。

ReAct 是个回环

我原以为 ReAct 是某种特殊 Agent 结构。拆开看，它就是一个带条件边的循环：

复制代码

START → agent ──有 tool_calls──→ tools → agent
              └─没有──────────→ END

builder.add_node("agent", agent_node)
builder.add_node("tools", ToolNode(tools))
builder.add_edge(START, "agent")
builder.add_conditional_edges("agent", tools_condition)
builder.add_edge("tools", "agent")

agent 调模型，模型可能返回若干 tool_calls。tools_condition 看到这些调用就去 tools 节点，ToolNode 执行工具并把结果包成 ToolMessage 塞回消息列表。下一轮模型看到工具结果，自己决定继续调工具还是给答案。

test2.py 是完整版的这个循环，代码不到一百行。

并行与异常

test12.py 试了两件事。模型一次返回多个 tool_calls 时，ToolNode 会并行执行，不需要自己写并发。工具抛异常时，错误信息会作为工具结果回传给模型，模型看到参数错误会自己改一次再调。这个机制救过我几次，尤其是工具参数格式写错的时候。

四个护栏

test13.py 是我把几个工程细节塞在同一个脚本里的一次尝试：

复制代码

config = {"recursion_limit": 25}

recursion_limit 是回环上唯一的刹车。模型反复调用同一个工具时，没有这个上限就会一直转。我设 25，够两三次工具往返。

RetryPolicy(max_attempts=3) 挂在节点上，处理限流和网络抖动。它会重试节点本身，不是重试整个图。

llm.with_structured_output(Schema) 强制模型按 Pydantic 模型输出，省掉解析 JSON 的防御代码。test14.py 的 supervisor 路由就是靠它做出来的。

stream_mode="messages" 配合前端做流式展示，前面提过，这里不重复。

一个副作用

test4.py 在 ReAct 循环上加了一个 MemorySaver，用来维持多轮对话。代码很简单：

复制代码

graph = builder.compile(checkpointer=memory)

不加的时候，每次 invoke 都从空状态开始，用户说"再来一个"，模型不知道"一个"指什么。加上之后，同一个 thread_id 的对话会接着上一轮继续。

这个 MemorySaver 只是临时方案，进程退出数据就没了。第三篇把 checkpointer 展开讲。

完整示例

这一段需要模型，把三个环境变量配好就能跑：

复制代码

OPENAI_API_KEY=sk-xxx
OPENAI_BASE_URL=https://api.siliconflow.cn/v1
MODEL_NAME=deepseek-ai/DeepSeek-V4-Flash

# demo_02_agent.py
import os
from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
from langgraph.graph import StateGraph, START, MessagesState
from langgraph.prebuilt import ToolNode, tools_condition
from langgraph.checkpoint.memory import MemorySaver

@tool
def multiply(a: int, b: int) -> int:
    """计算两个整数的乘积"""
    return a * b

@tool
def divide(a: int, b: int) -> float:
    """计算 a 除以 b，b 不能为 0"""
    if b == 0:
        raise ValueError("除数不能为 0")
    return a / b

tools = [multiply, divide]

llm = ChatOpenAI(
    model=os.getenv("MODEL_NAME", "deepseek-ai/DeepSeek-V4-Flash"),
    api_key=os.getenv("OPENAI_API_KEY"),
    base_url=os.getenv("OPENAI_BASE_URL", "https://api.siliconflow.cn/v1"),
    temperature=0,
)
llm_with_tools = llm.bind_tools(tools)

def agent_node(state: MessagesState):
    return {"messages": [llm_with_tools.invoke(state["messages"])]}

builder = StateGraph(MessagesState)
builder.add_node("agent", agent_node)
builder.add_node("tools", ToolNode(tools))
builder.add_edge(START, "agent")
builder.add_conditional_edges("agent", tools_condition)
builder.add_edge("tools", "agent")

graph = builder.compile(checkpointer=MemorySaver())

config = {"configurable": {"thread_id": "demo-2"}, "recursion_limit": 25}
graph.invoke(
    {"messages": [("user", "先算 123 乘 456，再用结果除以 9")]},
    config,
)

for message in graph.get_state(config).values["messages"]:
    message.pretty_print()

运行 python demo_02_agent.py。输出里能看到四次消息：用户提问、模型发起 multiply 调用、ToolMessage 返回 56088、模型再发起 divide 调用，最后一轮给出答案。

改一下问题，比如"456 除以 0 等于几"，会看到工具抛出的错误被包成消息，模型自己解释除数为 0。

第二篇收尾

到这里，图能跑、能调工具、能循环、能记住几轮对话。下一篇处理两个更硬的问题：快照怎么落到数据库，以及图怎么在中间停下来等人。

系列目录：

第一篇：一张状态图是怎么跑起来的
第二篇：Agent 是怎么转起来的
第三篇：让图记住，也让它停下来
第四篇：多个 Agent 怎么分工
第五篇：从本地脚本到 HTTP 服务