LangGraph（README）
输入“/”快速插入内容
LangGraph（README）
LangGraph（README）
框架介绍
LangGraph 是一个开源框架，专为开发状态化、多代理的大型语言模型（LLM）应用程序而设计，该框架由 LangChain 生态系统支持，旨在帮助开发者构建状态化（stateful）、多代理（multi-agent）的大型语言模型（LLM）应用程序。
该框架于 2022 年 10 月由 Harrison Chase 发起，适用于构建各种需要长期记忆和交互的 LLM 驱动应用程序，如聊天机器人、智能搜索、问答工具和执行机器人流程自动化的 AI 代理。
LangGraph和LangChain同宗同源，底层架构完全相同、接口完全相通。从开发者角度来说，LangGraph也是使用LangChain底层API来接入各类大模型、LangGraph也完全兼容LangChain内置的一系列工具。换而言之，LangGraph的核心功能都是依托LangChain来完成。但是和LangChain的链式工作流哲学完全不同的是，LangGraph的基础哲学是构建图结构的工作流，并引入“状态”这一核心概念来描绘任务执行情况，从而拓展了LangChain LCEL链式语法的功能灵活程度。
很明显，图状工作流肯定比链式工作流功能要更加灵活，功能可拓展性也更强。
用于创建图结构的工作流，这也是LangGraph中Graph一词的由来。
对于 LLM 开发者，LangGraph 是一个变革性的框架。它消除了为每个数据源或工具进行定制集成的需要，减少了开发时间和维护成本。
研究显示，LangGraph 支持高级用例，如构建 AI 驱动的 IDE（如 Cursor、Sourcegraph Cody）、个人助手与本地数据深度集成，以及跨不同系统的复杂工作流编排。它还减少了 LLM 的幻觉（hallucinations），通过实时数据访问提高上下文感知能力，并支持更自主的 AI 代理。
LangGraph 的多代理编排能力特别重要，支持由 LinkedIn、Uber、Klarna、GitLab 等主要公司信任的生产级代理，这验证了其可靠性和可扩展性。
快速阅览
我们团队在文档不同的位置进行了详细的介绍，您可以点击进入并查看具体的技术文档。
☑️ LangGraph快速入门+智能体开发实战
☑️ LangGraph+MCP开发智能体
☑️ LangGraph DeepResearch企业级开发实战
❤️ 赋范社区交流群
海量硬核独家技术干货内容+无门槛技术交流~