尧图网站建设 
LangChain.js 三行配置搭一个工具调用代理【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs让代理能查知识库、能调内部 API写代码反而是最快的一步——LangChain.js 的 createAgent 一行就能建出完整代理工具用 zod 声明参数。更有用的是之后的事怎么防止它半夜干危险操作、长对话里上下文怎么不爆、想换掉 gpt-4o 时业务代码要改几行。下面按实际会碰到的顺序过这三件事。顺带交代定位LangChain.js 是 TypeScript 写的智能体工程框架createAgent 底层构建在 LangGraph 之上——你建出来的代理本质是一张带状态的图检查点、中断恢复、流式输出都是附带的。工具定义一个函数加一份 zod 声明先写工具再谈代理。tool()的写法很固定第一个参数是真正的执行函数第二个是模型看到的声明仓库里 示例代码 都是这个模式。const searchCode tool( async ({ query }) runYourSearch(query), { name: search_code, description: Search code in repositories., schema: z.object({ query: z.string() }), }, );两个细节值得留意description 是写给 LLM 看的模型调不调用、什么时候调用很大程度上由这句话决定schema 会被自动转成工具调用契约参数校验不用手写。从模型到工具调用三行配置工具就绪后建代理就是三行配置加一次调用const agent createAgent({ model: new ChatOpenAI({ model: gpt-4o }), tools: [searchCode], systemPrompt: Only answer after searching., }); const result await agent.invoke({ messages: [{ role: user, content: How does auth work? }], });这里我踩过个小坑model 也可以直接写成openai:gpt-4o这样的字符串不用先实例化但想传 temperature 这类参数就得用 provider 包的实例。换模型只动这一处——tools 和 prompt 与模型完全正交这正是 provider 拆成 langchain/openai、langchain/anthropic 独立包的好处。invoke 返回的result.messages是含完整工具调用过程的对话取最后一条就是最终答案。给危险操作加一道人工批准 这是 2.x 里我认为最实用的一块。humanInTheLoopMiddleware 声明哪些工具需要审批代理走到它面前会自动暂停const hitl humanInTheLoopMiddleware({ interruptOn: { write_file: { allowedDecisions: [approve, reject] }, search_code: false, }, });具体流程代理执行到 write_file 时挂起你用agent.graph.getState(config)能拿到挂起的调用及其参数人确认后以new Command({ resume: { decisions: [{ type: approve }] } })恢复执行。前置条件有两个仓库的 HITL 示例就是完整做法给 createAgent 传 checkpointer演示用内存版 MemorySaver 即可config 里带上 thread_id。审批粒度是「每个工具」不是「整个代理」。只读工具设 false 放行、写操作设 approve/reject比全局开关实用得多。 几行中间件上下文管理不用自己造对话变长后有两个问题上下文窗口溢出以及为冗余内容付 token 钱。官方做法是 middlewarecreateAgent 接受 middleware 数组每个中间件就是一个带 beforeModel、afterModel 钩子的对象。const summarizer createMiddleware({ name: SummarizationMiddleware, beforeModel: async (state, runtime) { if (state.messages.length 10) { return { messages: compress(state.messages) }; } }, });beforeModel 钩子里能读到当前状态、返回状态更新——觉得消息太旧就替换成摘要代理对此毫无感知。中间件示例目录 里有现成的 modelCallLimit限一轮对话的模型调用次数、promptCaching、toolRetry、piiRedaction大部分拿来即用。这个钩子设计思路挺巧妙框架内置策略和你的业务策略写出来是同一种东西放同一个数组里没有特殊 API。一个代理扛不住时supervisor 与 router业务一复杂一个代理挂十几个工具模型选错工具的概率明显上升。examples/src/multi-agent/ 下有四个真实例子给的是两种常见拆法Supervisor日历、邮件各自建成小代理再包成两个工具schedule_event、manage_email交给上层代理调用。上层只看到两个工具下层的内部工具它碰不到。Router先用结构化输出把 query 分类到多个知识源用 Send 并行查 GitHub、Notion、Slack最后由一个模型汇总成答案。两种模式的共同点组合单位还是「代理即工具」不需要为此学一套新编排框架。真遇到复杂循环、需要精细检查点恢复的流程用 LangGraph.js 更合适createAgent 返回的本身就是图迁移路径是通的。选型边界在哪里用之前有几件事值得说清楚2.x 是重写版本老教程里的 LLMChain、SequentialChain 已移入单独的 langchain-classic 包主包里没有照着旧教程写会直接报错。主包服务「代理」场景。如果你的需求是固定流水线模板 → 模型 → 解析器不必硬套 createAgentlangchain/core 的 runnables 直接组合即可。这个 monorepo 是给框架开发者用的pnpm Turborepo用户项目npm install -S langchain就能起步。往哪里看 examples/src/createAgent/createAgent 的流式、结构化输出、记忆、动态工具等用法每个场景一个独立文件中间件示例内置中间件速查核心文档 与 CONTRIBUTING.md更细的机制说明新项目我会先跑一遍 HITL 和 router 这两个示例——把 interrupt 和 resume 摸熟之后再往真实服务上搬多数问题会在 demo 阶段就暴露出来。【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LangChain.js 三行配置搭一个工具调用代理
LangChain.js 三行配置搭一个工具调用代理【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs让代理能查知识库、能调内部 API写代码反而是最快的一步——LangChain.js 的 createAgent 一行就能建出完整代理工具用 zod 声明参数。更有用的是之后的事怎么防止它半夜干危险操作、长对话里上下文怎么不爆、想换掉 gpt-4o 时业务代码要改几行。下面按实际会碰到的顺序过这三件事。顺带交代定位LangChain.js 是 TypeScript 写的智能体工程框架createAgent 底层构建在 LangGraph 之上——你建出来的代理本质是一张带状态的图检查点、中断恢复、流式输出都是附带的。工具定义一个函数加一份 zod 声明先写工具再谈代理。tool()的写法很固定第一个参数是真正的执行函数第二个是模型看到的声明仓库里 示例代码 都是这个模式。const searchCode tool( async ({ query }) runYourSearch(query), { name: search_code, description: Search code in repositories., schema: z.object({ query: z.string() }), }, );两个细节值得留意description 是写给 LLM 看的模型调不调用、什么时候调用很大程度上由这句话决定schema 会被自动转成工具调用契约参数校验不用手写。从模型到工具调用三行配置工具就绪后建代理就是三行配置加一次调用const agent createAgent({ model: new ChatOpenAI({ model: gpt-4o }), tools: [searchCode], systemPrompt: Only answer after searching., }); const result await agent.invoke({ messages: [{ role: user, content: How does auth work? }], });这里我踩过个小坑model 也可以直接写成openai:gpt-4o这样的字符串不用先实例化但想传 temperature 这类参数就得用 provider 包的实例。换模型只动这一处——tools 和 prompt 与模型完全正交这正是 provider 拆成 langchain/openai、langchain/anthropic 独立包的好处。invoke 返回的result.messages是含完整工具调用过程的对话取最后一条就是最终答案。给危险操作加一道人工批准 这是 2.x 里我认为最实用的一块。humanInTheLoopMiddleware 声明哪些工具需要审批代理走到它面前会自动暂停const hitl humanInTheLoopMiddleware({ interruptOn: { write_file: { allowedDecisions: [approve, reject] }, search_code: false, }, });具体流程代理执行到 write_file 时挂起你用agent.graph.getState(config)能拿到挂起的调用及其参数人确认后以new Command({ resume: { decisions: [{ type: approve }] } })恢复执行。前置条件有两个仓库的 HITL 示例就是完整做法给 createAgent 传 checkpointer演示用内存版 MemorySaver 即可config 里带上 thread_id。审批粒度是「每个工具」不是「整个代理」。只读工具设 false 放行、写操作设 approve/reject比全局开关实用得多。 几行中间件上下文管理不用自己造对话变长后有两个问题上下文窗口溢出以及为冗余内容付 token 钱。官方做法是 middlewarecreateAgent 接受 middleware 数组每个中间件就是一个带 beforeModel、afterModel 钩子的对象。const summarizer createMiddleware({ name: SummarizationMiddleware, beforeModel: async (state, runtime) { if (state.messages.length 10) { return { messages: compress(state.messages) }; } }, });beforeModel 钩子里能读到当前状态、返回状态更新——觉得消息太旧就替换成摘要代理对此毫无感知。中间件示例目录 里有现成的 modelCallLimit限一轮对话的模型调用次数、promptCaching、toolRetry、piiRedaction大部分拿来即用。这个钩子设计思路挺巧妙框架内置策略和你的业务策略写出来是同一种东西放同一个数组里没有特殊 API。一个代理扛不住时supervisor 与 router业务一复杂一个代理挂十几个工具模型选错工具的概率明显上升。examples/src/multi-agent/ 下有四个真实例子给的是两种常见拆法Supervisor日历、邮件各自建成小代理再包成两个工具schedule_event、manage_email交给上层代理调用。上层只看到两个工具下层的内部工具它碰不到。Router先用结构化输出把 query 分类到多个知识源用 Send 并行查 GitHub、Notion、Slack最后由一个模型汇总成答案。两种模式的共同点组合单位还是「代理即工具」不需要为此学一套新编排框架。真遇到复杂循环、需要精细检查点恢复的流程用 LangGraph.js 更合适createAgent 返回的本身就是图迁移路径是通的。选型边界在哪里用之前有几件事值得说清楚2.x 是重写版本老教程里的 LLMChain、SequentialChain 已移入单独的 langchain-classic 包主包里没有照着旧教程写会直接报错。主包服务「代理」场景。如果你的需求是固定流水线模板 → 模型 → 解析器不必硬套 createAgentlangchain/core 的 runnables 直接组合即可。这个 monorepo 是给框架开发者用的pnpm Turborepo用户项目npm install -S langchain就能起步。往哪里看 examples/src/createAgent/createAgent 的流式、结构化输出、记忆、动态工具等用法每个场景一个独立文件中间件示例内置中间件速查核心文档 与 CONTRIBUTING.md更细的机制说明新项目我会先跑一遍 HITL 和 router 这两个示例——把 interrupt 和 resume 摸熟之后再往真实服务上搬多数问题会在 demo 阶段就暴露出来。【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考