概述

Middleware（中间件）为更精细地控制Agent内部执行流程提供了便捷方式，是LangChain Agent生态中的核心扩展组件。通过中间件，开发者可以在Agent执行的关键节点插入自定义逻辑，实现对Agent行为的灵活管控。

核心Agent循环

LangChain Agent的核心执行流程包含三个关键步骤：

1. 调用模型生成决策
2. 选择并执行工具
3. 无更多工具调用时结束流程
   

中间件通过暴露钩子（Hooks） 机制，可在上述每个步骤的执行前和执行后插入自定义逻辑，形成完整的中间件工作流：

中间件核心用途

中间件可满足以下核心场景需求：

• 📊 行为追踪：日志记录、数据分析与调试
• 📝 内容转换：提示词优化、工具选择调整、输出格式标准化
• 🔄 容错处理：重试机制、降级策略、提前终止逻辑
• 🛡️ 安全管控：限流控制、安全护栏、PII（个人身份信息）检测

快速使用示例

通过 create_agent 函数传入中间件列表即可启用，支持同时配置多个中间件：

from langchain.agents import create_agent
from langchain.agents.middleware import SummarizationMiddleware, HumanInTheLoopMiddleware

# 初始化Agent并配置中间件
agent = create_agent(
    model="gpt-4.1",  # 模型名称
    tools=[...],      # 工具列表（根据实际需求配置）
    middleware=[
        # 摘要中间件：对Agent执行过程生成摘要
        SummarizationMiddleware(...),
        # 人机协作中间件：关键步骤需人工确认
        HumanInTheLoopMiddleware(...)
    ],
)

额外资源

内置中间件

LangChain提供多种开箱即用的中间件，覆盖常见使用场景：
🔗 探索内置中间件

自定义中间件

通过钩子和装饰器机制，轻松构建符合特定需求的自定义中间件：
🔗 构建自定义中间件

中间件API参考

完整的中间件类、方法及参数说明：
🔗 中间件API文档

测试Agent

使用LangSmith对配置中间件的Agent进行全面测试：
🔗 Agent测试指南