LangChain / LangGraph类别开源智能体框架 更新时间2026-071. 基础信息项目内容开发商/维护方LangChain Inc.是否开源是开源协议MIT官方网站https://www.langchain.comGitHub 地址https://github.com/langchain-ai/langchain核心语言Python、TypeScript/JavaScript定价模式开源框架免费LangSmith 可观测性平台等云服务按用量收费适用人群中大型生产项目团队、需要复杂工作流编排的开发者2. 核心设计思想LangChain 家族的核心理念是以抽象换取组合能力LangChain 本体提供模型、提示词、工具、记忆、检索等标准抽象层统一不同模型厂商与工具生态的接口差异LangGraph 则引入图/状态机编排范式将智能体工作流显式建模为节点 边 共享状态支持循环、分支、条件跳转与状态持久化弥补了早期链式调用难以表达复杂流程的缺陷。与多数声明式角色框架不同LangGraph 强调对执行流程的显式、细粒度控制开发者可以看见并干预每一步状态转移配合 checkpoint 机制可随时暂停、恢复与人工介入。这种可控性优先的设计使其成为生产级复杂系统的首选底座也是它与追求快速上手的同类框架的本质区别。3. 特性600 第三方集成覆盖模型、向量库、工具与平台生态规模行业最大图/状态机编排节点、边、条件边与状态归约器checkpoint 状态持久化与断点续跑支撑长任务human-in-the-loop 人工介入与审批机制流式输出、并发执行与性能优化支持工具调用的一等支持兼容 MCP 协议内置记忆、RAG 检索与多 Agent 通信原语LangSmith 提供全链路追踪、评测与监控Python/TypeScript 双语言同步演进GitHub 100K stars社区活跃吸引约 82.5% 的跨生态贡献者4. 典型模式单 Agent 工具调用ReAct 式思考-行动循环适合客服机器人、API 助手等单任务场景多 Agent 图编排supervisor 模式、层级汇报或竞标模式适合需要分工与决策收敛的复杂业务RAG 工作流检索-增强-生成流水线适合企业知识库问答带人工审批的自动化checkpoint 加中断恢复适合金融、审批类敏感流程5. 关键对比维度LangGraphCrewAIAutoGenGoogle ADK编排范式图/状态机角色声明式会话/事件驱动Agent 组件化生态规模最大600 集成中中新兴学习曲线陡平缓中等中等最佳场景生产级复杂流程快速角色协作对话/研究系统Google 生态应用需要显式控制、可观测、可恢复的生产系统时选 LangGraph追求快速上手、或深度绑定特定云生态时可考虑 CrewAI、AutoGen 与 Google ADK。6. 优缺点优点生态最大资料与集成最丰富生产级能力完善可观测、持久化、人工介入语言覆盖全面缺点学习曲线陡峭抽象层次多依赖较重约 100 个依赖包安装与升级成本高简单任务上手成本偏高7. 落地组合方案方案LangGraph GPT-4 级闭源模型或开源大模型 Chroma/Qdrant 向量库 LangSmith 监控适合中大型生产项目如企业智能客服、内部知识助手。步骤1) 用 LangGraph 定义节点检索、工具、生成与共享状态2) 挂接工具/MCP 服务与向量库3) 配置 checkpoint 与人工审批节点4) 接入 LangSmith 观测线上质量并持续迭代。8. 安装步骤LangChain/LangGraph 为 Python 库通过 pip 安装pipinstalllanggraph langchain-openai需要 Python 3.9建议 3.11。配置模型设置环境变量OPENAI_API_KEY或ANTHROPIC_API_KEY等其他厂商 Key。验证安装python-cimport langgraph; print(langgraph.__version__)9. 登录与模型配置LangChain/LangGraph 是开源 Python/TS 框架无账号登录、无订阅只需配置模型 API任意厂商均可通过各厂商的 ChatModel 封装类或统一环境变量接入。9.1 无账号登录说明开源框架形态没有注册与登录流程pip install后即可编码使用。只消耗所配置模型厂商的 API 额度框架本身免费LangSmith 云观测平台才按用量收费。600 集成中模型类最丰富主流厂商均有官方封装切换厂商仅需更换一行模型初始化。9.2 方式一第三方厂商 API KeyOpenAI 兼容使用ChatOpenAI统一接入 OpenAI 兼容端点# DeepSeek深度求索exportOPENAI_API_KEYsk-xxxxxxxxexportOPENAI_API_BASE_URLhttps://api.deepseek.com/v1# GLM智谱清言exportOPENAI_API_KEYxxxxxxxx.yyyyyyyyexportOPENAI_API_BASE_URLhttps://open.bigmodel.cn/api/paas/v4# Qwen阿里云百炼exportOPENAI_API_KEYsk-xxxxxxxxexportOPENAI_API_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1fromlangchain_openaiimportChatOpenAI# DeepSeekllmChatOpenAI(modeldeepseek-chat,api_keysk-xxx,base_urlhttps://api.deepseek.com/v1)# GLMllmChatOpenAI(modelglm-4.5,api_keyxxx.yyy,base_urlhttps://open.bigmodel.cn/api/paas/v4)# QwenllmChatOpenAI(modelqwen-max,api_keysk-xxx,base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1)9.3 方式二各厂商原生封装类fromlangchain_openaiimportChatOpenAIfromlangchain_anthropicimportChatAnthropicfromlangchain_ollamaimportChatOllama# OpenAIllmChatOpenAI(modelgpt-4o,api_keysk-xxx)# Anthropic ClaudellmChatAnthropic(modelclaude-sonnet-4-5,api_keysk-ant-xxx)# 本地 Ollama完全离线llmChatOllama(modelqwen2.5:7b,base_urlhttp://localhost:11434)9.4 各厂商 Key 获取入口厂商模型示例封装类Key 获取入口OpenAIgpt-4o / o3ChatOpenAIplatform.openai.comAnthropicclaude-sonnet-4-5ChatAnthropicconsole.anthropic.comDeepSeekdeepseek-chatChatOpenAI兼容platform.deepseek.com智谱 GLMglm-4.5ChatOpenAI兼容open.bigmodel.cn阿里云百炼qwen-maxChatOpenAI兼容bailian.console.aliyun.com硅基流动各家开源模型聚合ChatOpenAI兼容cloud.siliconflow.cnOllama本地任意开源模型ChatOllama无需 Key提示LangGraph 的节点与状态与具体模型解耦同一张图中可按节点绑定不同厂商模型如检索节点用低价模型、最终生成用旗舰模型在llm参数处直接替换即可。10. 简单示例示例一用 LangGraph 预构建的 ReAct Agent 完成一次工具调用fromlangchain_openaiimportChatOpenAIfromlanggraph.prebuiltimportcreate_react_agent llmChatOpenAI(modelgpt-4o)agentcreate_react_agent(llm,tools[])# tools 可传入自定义工具或 MCP 工具resultagent.invoke({messages:[(user,什么是 MCP 协议用中文简要回答。)]})print(result[messages][-1].content)进阶用StateGraph手写节点与条件边实现带人工审批、checkpoint 持久化的生产级流程。示例二用 LangGraph 生成一个 HTML 小游戏贪吃蛇。fromlangchain_openaiimportChatOpenAIfromlanggraph.prebuiltimportcreate_react_agentfromlangchain_core.toolsimporttoolimportostooldefwrite_file(filename:str,content:str)-str:将内容写入指定文件withopen(filename,w,encodingutf-8)asf:f.write(content)returnf已写入{filename}llmChatOpenAI(modeldeepseek-chat,api_keysk-xxx,base_urlhttps://api.deepseek.com/v1)agentcreate_react_agent(llm,tools[write_file])resultagent.invoke({messages:[(user,用 HTML CSS JavaScript 写一个贪吃蛇小游戏单文件方向键控制显示得分用 write_file 工具保存为 snake.html并说明如何运行。)]})print(result[messages][-1].content)流程ReAct Agent 生成贪吃蛇snake.html代码画布 游戏循环 键盘事件 计分逻辑并调用write_file工具写入当前目录 → 浏览器双击打开snake.html即可试玩。想加功能如增加音效“加重新开始按钮”改提示词重新运行即可用StateGraph编排时还可加一个验证节点检查文件语法形成可控的生产级流水线。说明框架本身免费Token 按第 9 章所配模型计费生成 HTML 小游戏消耗较少DeepSeek / GLM 等低价模型即可完成。