为什么要推出LangGraph

由于LangChain诞生时间较早，当时开发者对大模型的想象主要是用其搭建一个又一个的工作流，而这也成为LangChain的核心目标，LangChain中的“Chain”也就是链式调用就是搭建“工作流”的意思。LangChain通过模型稳定接入、LCEL简洁语法规则、丰富强大的内置工具使得开发者能够便捷地将提示词模板、大模型及一些外部工具组合拼装，迅速成为世界最流行的智能体开发框架。

但随着大模型基座能力的飞速进化，目前最新一代大模型包括DeepSeek-V3.1，Qwen3等不仅拥有非常强悍的外部工具识别和调用能力，还原生就支持多工具并联和串联调用，而开发者对于大模型应用开发的需求也在快速变化，LangChain单纯构建线性工作流的模式可拓展性不强。因此LangChain在之后的更新中设计了一整套能实时根据用户需求灵活创建Chain的Agent API，开发者仅需将提示词、大模型和工具放在一起，LangChain Agent API就能自动根据用户需求创建一些链来完成工作，大幅加快了开发效率。

不过伴随着Agent开发技术的飞速发展，LangChain很快意识到要真正满足新一代多智能体开发需求，仅靠Agent API是完全不够的，因此在23年下半年，LangChain创立了以“图结构”为智能体构建哲学的框架，这就是大名鼎鼎的LangGraph，目前最火热的Agent开发框架！

LangGraph与LangChain对比

LangGraph和LangChain同宗同源，底层架构完全相同、接口完全相通。从开发者角度来说，LangGraph也是使用LangChain底层API来接入各类大模型、LangGraph也完全兼容LangChain内置的一系列工具。换而言之，LangGraph的核心功能都是依托LangChain来完成。但是和LangChain的链式工作流哲学完全不同的是，LangGraph的基础哲学是构建图结构的工作流，并引入“状态”这一核心概念来描绘任务执行情况，从而拓展了LangChain LCEL链式语法的功能灵活程度。

不过要注意的是，LangGraph是基于LangChain构建的，无论图结构多复杂，单独每个任务执行链路仍然是线性的，其背后仍然是靠着LangChain的Chain来实现的。因此我们可以这么来描述LangChain和LangGraph之间的关系，LangGraph是LangChain工作流的高级编排工具，其中“高级”之处就是LangGraph能按照图结构来编排工作流。

LangGraph的技术架构

就好比LangChain中既有LCEL语法、同时也有Agent API一样，LangGraph也提供了基于图结构基础语法的高层API。

LangGraph的高层API主要分为两层，其一是Agent API，用于将大模型、提示词模板、外部工具等关键元素快速封装为图中的一些节点，而更高一层的封装，则是进一步创建一些预构建的Agent、也就是预构建好的图。

完整的LangGraph三层API架构图如下所示：

依托LangChain完善的生态、拥有丰富稳定的API架构、以及便捷上手等特性，使得LangGraph成为目前超越LangChain的新一代Agent开发框架。

LangGraph开发工具套件

在对LangGraph有了一定的基础了解之后，对于开发者来说，还需要进一步了解和掌握LangGraph必备的开发者套件。分别是LangGraph运行监控框架LangSmith、LangGraph图结构可视化与调试框架LangGraph Studio和LangGraph服务部署工具LangGraph Cli。可以说这些开发工具套件，是真正推动LangGraph的企业级应用开发效率大幅提升的关键。同时监控、调试和部署工具，也是全新一代企业级Agent开发框架的必备工具，也是开发者必须要掌握的基础工具。

运行监控框架：LangSmith

LangSmith官网地址：https://docs.smith.langchain.com/

LangSmith 是一款用于构建、调试、可视化和评估 LLM 工作流的全生命周期开发平台。它聚焦的不是模型训练，而是我们在构建 AI 应用（尤其是多工具 Agent、LangChain/Graph）时的「可视化调试」、「性能评估」与「运维监控」。

功能类别	描述	场景
🧪 调试追踪（Trace Debugging）	可视化展示每个 LLM 调用、工具调用、Prompt、输入输出	Agent 调试、Graph 调用链分析
📊 评估（Evaluation）	支持自动评估多个输入样本的回答质量，可自定义评分维度	批量测试 LLM 表现、A/B 对比
🧵 会话记录（Sessions / Runs）	每次 chain 或 agent 的运行都会被记录为一个 Run，可溯源	Agent 问题诊断、用户问题分析
🔧 Prompt 管理器（Prompt Registry）	保存、版本控制、调用历史 prompt	多版本 prompt 迭代测试
📈 流量监控（Telemetry）	实时查看运行次数、错误率、响应时间等	在生产环境中监控 Agent 质量
📁 Dataset 管理	管理自定义测试集样本，支持自动化评估	微调前评估、数据对比实验
📜 LangGraph 可视化	对 LangGraph 中每个节点运行情况进行实时可视化展示	Graph 执行追踪

图结构可视化与调试框架：LangGraph Studio

LangGraph Studio官网地址：https://www.langgraph.dev/studio

LangGraph Studio 是一个用于可视化构建、测试、分享和部署智能体流程图的图形化 IDE + 运行平台。

功能模块	说明	应用场景
🧩 Graph 编辑器	以拖拽方式创建节点（工具、模型、Router）并连接	零代码构建 LangGraph
🔍 节点配置器	每个节点可配置 LLM、工具、Router 逻辑、Memory	灵活定制 Agent 控制流
▶️ 即时测试	输入 prompt 可在浏览器中运行整个图	实时测试执行结果
💾 云端保存 / 分享	将构建的 Graph 保存为公共 URL / 私人项目	团队协作，Demo 分享
📎 Tool 插件管理	可连接自定义工具（MCP）、HTTP API、Python 工具	插件式扩展 Agent 功能
🔁 Router 分支节点	创建条件分支，支持 if/else 路由	决策型智能体
📦 上传文档 / 多模态	可以上传文件（如 PDF）并嵌入进图中处理流程	RAG 结构、OCR、图文问答等
🧠 Prompt 输入/预览	编辑 prompt 并观察其运行效果	Prompt 工程调试
📤 一键部署	将 Graph 部署为可被 Agent Chat UI 使用的 Assistant	快速集成到前端

服务部署工具：LangGraph Cli

LangGraph Cli官网地址：https://www.langgraph.dev/ （需要代理环境）

LangGraph CLI 是用于本地启动、调试、测试和托管 LangGraph 智能体图的开发者命令行工具。

功能模块	命令示例	说明
✅ 启动 Graph 服务	langgraph dev	启动 Graph 的开发服务器，供前端（如 Agent Chat UI）调用
🧪 测试 Graph 输入	langgraph run graph:graph --input ‘{“input”: “你好”}’	本地 CLI 输入测试，输出结果
🧭 管理项目结构	langgraph init	初始化一个标准 Graph 项目目录结构
📦 部署 Graph（未来）	langgraph deploy（预留）	发布 graph 至 LangGraph 云端（已对接 Studio）
🧱 显示 Assistant 列表	langgraph list	显示当前 graph 中有哪些 assistant（即 entrypoint）
🔄 重载运行时	自动热重载	修改 graph.py 时，dev 模式自动重启生效

当应用成功部署上线，LangGraph Cli还会非常贴心的提供后端接口说明文档：

而对于LangGraph构建的智能体，除了能够本地部署外，官方也提供了云托管服务，借助LangGraph Platform，开发者可以将构建的智能体 Graph部署到云端，并允许公开访问，同时支持支持长时间运行、文件上传、外部 API 调用、Studio 集成等功能。

Agent前端可视化工具：Agent Chat UI

Agent Chat UI 是 LangGraph/LangChain 官方提供的多智能体前端对话面板，用于与后端 Agent（Graph 或 Chain）进行实时互动，支持上传文件、多工具协同、结构化输出、多轮对话、调试标注等功能。

Agent Chat UI官网地址：https://langchain-ai.github.io/langgraph/agents/ui/

功能模块	描述	应用场景
💬 多轮对话框	类似 ChatGPT 的输入区域，支持多轮上下文	用户提问，Agent 回复
🛠 工具调用轨迹显示	显示每个调用的工具、参数、结果（结构化）	Agent 推理透明化
📄 上传 PDF / 图片	支持上传文档、图片、嵌入多模态输入	RAG、OCR、图像问答
📁 文件面板	可查看上传历史文件、删除、重新引用	管理文档输入
🧭 Assistant 切换	支持切换不同 Assistant（Graph entry）	一键切换模型能力（如 math / weather）
🧩 插件支持	与 MCP 工具、LangGraph 图打通	工具式 Agent 调用
🔍 调试视图	显示每轮 Agent 的思维过程和中间状态	Prompt 调试、模型行为分析
🌐 云部署支持	支持接入远端 Graph API（如 dev 服务器）	前后端分离部署
🧪 与 LangSmith 对接（可选）	若后端启用 tracing，可同步显示运行 trace	调试闭环

内置工具库与MCP调用组件

除了有上述非常多实用的开发工具外，LangGraph还全面兼容LangChain的内置工具集。LangChain自诞生之初就为开发者提供了非常多种类各异的、封装好的实用工具，历经几年发展时间，目前LangChain已经拥有了数以百计的内置实用工具，包括网络搜索工具、浏览器自动化工具、Python代码解释器、SQL代码解释器等。而作为LangChain同系框架，LangGraph也可以无缝调用LangChain各项开发工具，从而大幅提高开发效率。

LangChain工具集：https://python.langchain.com/docs/integrations/tools/

此外，LangChain是最早支持MCP的开发框架之一，借助langchain-mcp-adapters，LangChain和LangGraph便可快速接入各类MCP工具。

并且LangGraph也同样支持谷歌的A2A（跨Agents通信协议）。