Dive into LangGraph

中文 | English

📚 在线阅读地址

📖《LangGraph 1.0 完全指南》

从零开始，动手实现强大的智能体

---

一、项目介绍

2025 年 10 月中旬，LangGraph 发布 1.0 版本。开发团队承诺这是一个稳定版本，预计未来接口不会大改，因此现在正是学习它的好时机。

这是一个开源电子书项目，旨在帮助 Agent 开发者快速掌握 LangGraph 框架。LangGraph 是由 LangChain 团队开发的开源智能体框架。它功能强大，你要的记忆、MCP、护栏、状态管理、多智能体它全都有。LangGraph 通常与 LangChain 一起使用：LangChain 提供基础组件和工具，LangGraph 负责工作流和状态管理。因此，两个库都需要学习。为了让大家快速入门，本教程将两个库的主要功能提取出来，分成 14 个章节进行介绍。

二、安装依赖

pip install -r requirements.txt

依赖包列表

以下为 requirements.txt 中的依赖包清单：

pydantic
python-dotenv
langchain[openai]
langchain-community
langchain-mcp-adapters
langchain-text-splitters
langgraph
langgraph-cli[inmem]
langgraph-supervisor
langgraph-checkpoint-sqlite
langgraph-checkpoint-redis
langmem
ipynbname
fastmcp
bs4
scikit-learn
supervisor
jieba
dashscope
tavily-python
ddgs

三、章节目录

本教程的内容速览：

序号	章节	主要内容
1	快速入门	创建你的第一个 ReAct Agent
2	状态图	使用 StateGraph 创建工作流
3	中间件	使用自定义中间件实现四个功能：预算控制、消息截断、敏感词过滤、PII 检测
4	人机交互	使用内置的 HITL 中间件实现人机交互
5	记忆	创建短期记忆、长期记忆
6	上下文工程	使用 State、Store、Runtime 管理上下文
7	MCP Server	创建 MCP Server 并接入 LangGraph
8	监督者模式	两种方法实现监督者模式：tool-calling、langgraph-supervisor
9	并行	如何实现并发：节点并发、@task 装饰器、Map-reduce、Sub-graphs
10	RAG	三种方式实现 RAG：向量检索、关键词检索、混合检索
11	网络搜索	实现联网搜索：DashScope、Tavily 和 DDGS
12	Deep Agents	简单介绍 Deep Agents
13	Gradio APP	基于 Gradio 开发流式对话智能体应用
14	附录：调试页面	介绍 langgraph-cli 提供的调试页面

Note

承诺：本教程完全基于 LangGraph v1.0 编写，不含任何 v0.6 的历史残留。

四、调试页面

langgraph-cli 提供了一个可快速启动的调试页面。

langgraph dev

详见：附录

五、实战章节

第 13 章 开源了一个基于 Gradio + LangChain 实现的智能体应用，效果如下。你可以为这个应用添加更多功能，定制专属于你的智能体。

详见：/app

六、延伸阅读

官方文档：

• LangChain
• LangGraph
• Deep Agents
• LangMem

官方教程：

• langgraph-101
• langchain-academy

七、如何贡献

我们欢迎任何形式的贡献！

• 🐛 报告 Bug - 发现问题请提交 Issue
• 💡 功能建议 - 有好想法就告诉我们
• 📝 内容完善 - 帮助改进教程内容
• 🔧 代码优化 - 提交 Pull Request

八、开源协议

本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。