LangGraph 是什么？把 Agent 画成「图」跑起来的开源编排框架基础介绍
上回我们聊了 LangFlow、CrewAI、AutoGen 这类把 Agent「组队」的平台，今天换一个更底层的家伙——LangGraph。它不算一个开箱即用的产品，而是一套让你把 Agent 的逻辑画成一张图、然后让这套”图”自己跑起来的开源编排框架。你要是真想自己写一个能扛住生产环境的多 Agent 系统，绕不开它。
项目介绍：Agent 启动器里的”发动机”
LangGraph 是 LangChain 官方团队（LangChain Inc.）出品的低层编排框架，GitHub 上 langchain-ai/langgraph 目前约 4.15 万 star，MIT 协议，可以随便用随便改。它做的一件事很朴素：把 Agent 的工作流表达成有向图（Graph）——每个”节点”是一步操作（调模型、跑工具、存内存），节点之间用”边”连起来决定执行顺序。图的好处是不像传统链条那样”一条路走到底”，它支持循环、条件分支、并行执行，Agent 可以根据上一步的结果决定下一步往哪跳。
它设计时借鉴了 Google 的 Pregel 和 Apache Beam 的思路（作用在分布式图上的批处理模型），对外接口又借鉴了 Python 的 NetworkX 图形库，所以用过图论的人上手会特别顺。
一句话分清 LangChain 和 LangGraph 的关系：LangChain 是给你一堆积木和接线说明（模型、工具、提示词的封装），LangGraph 是发动机本身——负责让这些积木按图跑起来，还管状态、重试、持久化和中途停下来让人工介入。2025 年 10 月 22 日两个库同时发布 1.0 正式版，LangChain 那个 create_agent() 傻瓜函数底层跑的就是 LangGraph 的引擎。
用它的大公司不少：Klarna、Uber、摩根大通、Replit、Elastic 都在生产环境跑它。可靠、可观测、能扛长任务，是它和三分钟 demo 框架最大的区别。
上手：装 1 秒，跑图要补点概念
作为 Python 框架，上手成本比可视化拖拽平台高，但没那么玄：
pip install -U langgraph
核心三板斧：
- 定义状态（State）：声明 Agent 运行中要带的历史消息、中间结果，这是它”有状态”的根基——不像无状态接口，聊两句就忘。
- 搭图（StateGraph）：把每一步操作注册成节点，用边把它们连起来，允许加条件路由（如果结果是 A 走这条路，是 B 走另一条）。
- 编译跑起来（.compile()）：图编译后就是一个可调用的对象，喂进去开始”跑图”。
多 Agent 场景还有 Send API，可以动态生成一群 worker 节点并行干活，再把结果汇总回主图——很经典的 orchestrator-worker（编排者-工人）模式。
对不想纯写代码的人，官方有配套的 LangGraph Platform 给可视化调试托管，配合 LangSmith 做链路追踪，能调试、回放、监控。
实话：这不是给你”零代码”
说实话，LangGraph 是给写代码的人准备的，不是拖拽党。它底层、灵活，意味着你要自己理解图、状态、条件路由这些概念才能发挥它的威力。如果你只是想把几个 Agent 串起来快速出个原型，LangFlow（本站有专题）那种可视化反而更合适；create_agent 傻瓜函数也够用。一旦你的场景出现”要循环、要跑很久、要中途人工审核、状态不能丢”，那 LangGraph 的投入就是值得的——它换来的是生产级的可靠性和可控性。
另外要注意：它跟 LangChain 是一套生态，学会它基本也要学 LangChain 的模型/工具封装。但好消息是 LangGraph 也能脱离 LangChain 单独用，插你自己的模型调用逻辑。
一句话总结：CrewAI 是”最快组队”，AutoGen 是”Agent 聊天式协作”，LangGraph 是”把流程画成图、自己能跑能断点续跑”——prod 环境选它，demo 选别的。
本文是「数码罗记」的 Agent 平台系列基础篇。横向对比可看本站 LangFlow：拖拽搭 Agent 的可视化平台 与 CrewAI：角色化多智能体框架 两篇。
by 数码罗记 · godsun.pro，模型 GPT-5.4 免费档 · 上下文约 1.2K。
