LangChain1.0-Agent开发流程

发布时间：2026-01-30 23:37:58编辑：123阅读（7）

    LangChain1.0全新Agent框架介绍

    在langchain1.0中，最大的变化肯定是推出了全新的Agent API：create_agent。它正式被定义为：一个可感知上下文、具备行动能力、可扩展、可插拔的智能运行体。Agent不再只是"用大模型回答问题"，而是能根据任务动态调用工具、推理决策、规划步骤，并与外部世界进行交互的自治式执行体。

    进入LangChain1.0后，架构重构：将所有Agent的创建入口合并为create_agent()，同时在底层通过"中间件机制"和标准模型接口（invoke/stream），实现全局统一。这让框架更轻、更稳，也更易于被集成到其他Agent平台中。

    访问网站:https://app.tavily.com/ 注册一个账号 

    创建一个api_key

    image.png


    代码如下:

    from langchain.agents import create_agent
from langchain_tavily import TavilySearch
from langchain_deepseek import ChatDeepSeek
from dotenv import load_dotenv
load_dotenv(override=True)
web_search = TavilySearch(max_results=2)
model = ChatDeepSeek(model="deepseek-chat")
agent = create_agent(
    model=model,
    tools=[web_search],
    system_prompt='你是一名多才多艺的智能助手，可以调用工具帮助用户解决问题'
)
result = agent.invoke({"message":[{"role":"user", "content":"帮我查询2024年诺贝尔物理学奖得主是谁？"}]})
print(result['messages'][-1].content)

    底层架构：

    image.png

    从底层架构来看，LangGraph被正式确立为LangChain的底层运行框架。


    Agent Runtime框架：create_agent

    LangChain1.0中的Agent系统是一个Agent Runtime框架。在计算机领域中，Runtime通常指的是一段代码运行所依赖的执行环境，它负责管理：

    程序的生命周期（从初始化-执行-结束）

    内部状态的维护

    与外部资源的交互（输入，输出，网络，文件等）

    异常处理、事件调度、中断恢复等底层细节。


    Agent Runtime框架=让智能体能够持续运行、思考、决策、调用工具、保持状态的底层执行系统。

关键字：

上一篇： LangChain1.0调用vllm本地部署qwen模型

下一篇： 没有了