LangChain 构建 AI Agent：从入门到实战

LangChain 是目前最流行的 AI Agent 开发框架，它提供了将大语言模型与工具、记忆和外部数据源连接所需的抽象层和集成接口，让开发者能够快速构建强大的 Agent 应用。

LangChain 核心概念

链（Chains）

Chain 是一系列操作的有序组合，将输入处理为输出。简单的链将提示词模板与 LLM 调用连接起来。复杂的链可以包含检索、转换和多个 LLM 调用的编排。

Agent 与 LangGraph

LangChain Agent 使用 LLM 作为推理引擎来决定调用哪些工具以及调用顺序。LangGraph 则提供了基于状态机的图工作流框架，支持条件分支、人工审批检查点、持久化状态和子图组合，适合构建生产级 Agent。

工具（Tools）

Tool 是 Agent 可调用的函数。LangChain 内置了网页搜索、计算器、Python REPL、SQL 查询等工具。开发者可以通过 @tool 装饰器快速创建自定义工具。

记忆（Memory）

Memory 模块让 Agent 跨对话保持上下文。ConversationBufferMemory 存储完整历史，ConversationSummaryMemory 压缩摘要，VectorStoreMemory 通过向量检索回溯相关上下文。

实战：构建一个 ReAct Agent

构建 ReAct Agent 只需三步：1) 初始化 LLM（OpenAI GPT-4 / Claude 等）；2) 定义工具集；3) 创建 AgentExecutor。Agent 自动进入 思考→行动→观察 循环，直到任务完成。

总结

LangChain 生态（Chain + Agent + LangGraph）为构建 AI Agent 提供了完整的工具链。从简单的链式调用到复杂的多步骤工作流，LangChain 都能胜任。