langchain-ai GitHub avatar

langgraph

Python
图式Agent开发框架langchain-ai最近推送 2026年11月18日
Agent 框架MIT45.1k7,779485 issues7 天 +312

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

构建有状态、可持久运行 AI Agent 的底层编排框架。

LangGraph 是一个用于构建、管理和部署长时间运行、有状态 Agent 的低层编排框架。它把 Agent 工作流表示为图结构,提供持久执行、人工介入、记忆等基础设施,可独立使用,也能与 LangChain 生态集成。

推荐指数

4.0

适合需要精细控制 Agent 状态与流程的开发者,学习曲线较陡但能力扎实。

近 7 天

+312

新增 Star

总 Star 排名

#122

雷达追踪的 3,931 个 AI 仓库中

创建于

2023

2023年8月10日

核心亮点

  • 1持久执行

    Agent 运行中断后可从中断点自动恢复,适合长时间任务。

  • 2人工介入

    可在执行过程中检查并修改 Agent 状态,加入人工审核环节。

  • 3完整记忆

    同时支持短期工作记忆和跨会话的长期持久记忆。

  • 4图结构编排

    用节点和边描述工作流,支持分支、子图等复杂控制流。

  • 5生态集成

    可与 LangChain、LangSmith 等产品配合,用于调试和部署。

适用场景

  • 多步骤 Agent 工作流

    例如:构建一个先检索资料、再分析、最后生成报告的 Agent,各步骤用图节点连接。

  • 需要人工审核的流程

    例如:客服 Agent 在回复敏感问题前暂停,等待人工确认后再继续。

  • 长时间运行的任务

    例如:定时监控数据并持续更新的 Agent,进程重启后能从上次状态恢复。

它是怎么工作的

  1. 第 1 步

    定义状态

    用 Python 类型定义 Agent 在运行中需要维护的状态结构。

  2. 第 2 步

    构建图

    将处理步骤写成节点,用边连接成有向图,可加入条件分支。

  3. 第 3 步

    编译运行

    编译图后调用执行,框架负责状态传递和持久化。

  4. 第 4 步

    中断与恢复

    在需要人工介入或出错时暂停,之后从保存的状态继续执行。

快速上手

  1. 1

    安装

    通过 pip 安装 LangGraph 包。

    pip install -U langgraph
  2. 2

    参考快速入门

    阅读官方 Quickstart 文档,了解如何定义状态和图。

  3. 3

    运行示例

    从简单图开始,逐步加入持久化和人工介入功能。

适合谁

  • 需要精细控制 Agent 状态和流程的开发者
  • 构建长时间运行、需容错恢复的 Agent 应用
  • 希望将人工审核环节嵌入自动化流程的团队

不太适合

  • 想快速搭建简单 Agent 的初学者
  • 不需要状态管理和持久化的轻量场景

成熟度

  • 活跃度最近更新于 2026 年 11 月,star 数超过 4.5 万,活跃度高。
  • 文档有完整的官方文档、API 参考、快速入门和免费课程。
  • 社区有论坛和讨论区,issue 数约 484,社区规模较大。
  • 上手难度作为低层框架,需要理解图、状态等概念,上手门槛中等偏高。

同类项目怎么选

  • CrewAI更偏向多 Agent 角色协作的高层框架,抽象程度更高。
  • AutoGen微软出品,侧重多 Agent 对话与协作,编排方式不同。
  • LangChain提供更广泛的 LLM 应用组件和集成,LangGraph 专注底层状态编排。

使用前注意

  • · 采用 MIT 许可,可商用。
  • · 低层框架需要自行设计状态和流程,不适合追求开箱即用的场景。
  • · 部分高级功能(如 LangSmith 调试和部署)依赖商业产品。
  • · Python 版本需参考官方文档确认兼容性。

主题标签

agentsaiai-agentschatgptdeepagentsenterpriseframeworkgeminigenerative-ailangchainlanggraphllmmultiagentopen-sourceopenaipydanticpythonrag