中文 | English
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 13 个章节进行介绍。
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
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 | 调试页面 | 介绍 langgraph-cli 提供的调试页面 |
未出现在上述章节但比较重要的代码，我放在仓库的 tests 目录下：
| 代码 | 说明 |
|---|---|
| /tests/test_rag.py | 使用 RAG 将本地文档片段注入智能体 |
| /tests/test_langmem.py | 使用 LangMem 管理智能体长期记忆 |
| /tests/test_store.py | 使用 RedisStore 快速读写长期记忆 |
| /tests/test_router.py | 实现一个简单的智能体路由 |
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。
langgraph-cli 提供了一个可快速启动的调试页面。
langgraph dev详见 第13章
官方文档：
官方教程：
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
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。