3.1 Agents
本节介绍 LangChain 中的 Agent（代理）概念和使用。
什么是 Agent？
Agent（代理） 是 LangChain 的核心概念。它将语言模型与工具结合，创建能够：
- 推理任务
- 决定使用哪些工具
- 迭代地解决问题
"Agents combine language models with tools to create systems that can reason about tasks, decide which tools to use, and iteratively work towards solutions."
创建 Agent
使用 create_agent 函数创建生产就绪的 Agent：
python
from langchain.agents import create_agent
from langchain_core.tools import tool
@tool
def search(query: str) -> str:
"""搜索信息"""
return f"搜索结果: {query}"
@tool
def calculate(expression: str) -> str:
"""计算数学表达式"""
return str(eval(expression))
agent = create_agent(
"gpt-4o",
tools=[search, calculate],
system_prompt="你是一个有帮助的助手"
)
result = agent.invoke(
{"messages": [{"role": "user", "content": "100 * 25 等于多少？"}]}
)核心组件
1. 模型（Model）
Agent 的"大脑"，负责推理和决策。
静态模型：创建时固定
python
agent = create_agent("gpt-4o", tools=tools)动态模型：运行时选择
python
from langchain.agents import model_middleware
@model_middleware
def select_model(state, config):
"""根据任务复杂度选择模型"""
if is_complex_task(state):
return "gpt-4o"
return "gpt-3.5-turbo"2. 工具（Tools）
扩展 Agent 能力的可调用函数：
python
@tool
def get_current_time() -> str:
"""获取当前时间"""
from datetime import datetime
return datetime.now().strftime("%Y-%m-%d %H:%M:%S")
@tool
def send_email(to: str, subject: str, body: str) -> str:
"""发送邮件"""
# 实现发送逻辑
return f"邮件已发送给 {to}"Agent 支持：
- 单个请求中多次工具调用
- 并行执行工具
- 基于前一次结果动态选择工具
- 自定义错误处理和重试
3. 系统提示词（System Prompt）
定义 Agent 的行为和个性：
python
system_prompt = """你是一个专业的数据分析师。
你的职责：
1. 分析用户提供的数据
2. 生成清晰的报告
3. 提供可行的建议
注意事项：
- 使用专业但易懂的语言
- 数据结论要有依据
"""
agent = create_agent(
"gpt-4o",
tools=[analyze_data, generate_chart],
system_prompt=system_prompt
)动态提示词：
python
from langchain.agents import dynamic_prompt
@dynamic_prompt
def context_aware_prompt(state, config):
"""根据上下文生成提示词"""
user_role = state.get("user_role", "general")
if user_role == "admin":
return "你是管理员助手，可以执行高级操作..."
return "你是普通用户助手..."ReAct 模式
Agent 遵循 ReAct（Reasoning + Acting） 模式：
用户: 北京和上海哪个城市更热？
Agent 思考: 我需要获取两个城市的温度来比较
Agent 行动: 调用 get_weather("北京")
观察结果: 北京 25度
Agent 思考: 已获取北京温度，现在需要上海的
Agent 行动: 调用 get_weather("上海")
观察结果: 上海 30度
Agent 思考: 两个温度都有了，可以比较
Agent 回答: 上海更热，30度比北京的25度高5度。高级功能
结构化输出
让 Agent 返回固定格式的数据：
python
from dataclasses import dataclass
from langchain.agents import ToolStrategy
@dataclass
class AnalysisResult:
summary: str
confidence: float
recommendations: list[str]
agent = create_agent(
"gpt-4o",
tools=[analyze],
structured_output=ToolStrategy(AnalysisResult)
)
result = agent.invoke({"messages": [...]})
analysis = result["structured_response"] # AnalysisResult 对象自定义状态
扩展 AgentState 存储额外信息：
python
from langchain.agents import AgentState
class MyAgentState(AgentState):
user_id: str
session_data: dict
analysis_count: int = 0
agent = create_agent(
"gpt-4o",
tools=[my_tools],
state_schema=MyAgentState
)中间件
在模型调用前后处理：
python
from langchain.agents import before_model, after_model
@before_model
def log_input(state, config):
"""记录输入"""
print(f"输入: {state['messages'][-1].content}")
return state
@after_model
def log_output(state, response, config):
"""记录输出"""
print(f"输出: {response.content}")
return state
agent = create_agent(
"gpt-4o",
tools=[my_tools],
middleware=[log_input, log_output]
)流式输出
实时显示 Agent 执行过程：
python
for event in agent.stream(
{"messages": [{"role": "user", "content": "分析这份数据"}]},
stream_mode="updates"
):
if "llm" in event:
print("思考中:", event["llm"])
elif "tools" in event:
print("执行工具:", event["tools"])调用方式
invoke - 同步调用
python
result = agent.invoke(
{"messages": [{"role": "user", "content": "你好"}]}
)
print(result["messages"][-1].content)stream - 流式调用
python
for chunk in agent.stream({"messages": [...]}):
print(chunk)batch - 批量调用
python
results = agent.batch([
{"messages": [{"role": "user", "content": "问题1"}]},
{"messages": [{"role": "user", "content": "问题2"}]},
])停止条件
Agent 在以下情况停止：
- 模型生成最终回复（不再调用工具）
- 达到最大迭代次数
- 遇到停止信号
python
agent = create_agent(
"gpt-4o",
tools=[my_tools],
max_iterations=10, # 最多迭代 10 次
)最佳实践
| 实践 | 说明 |
|---|---|
| 明确的系统提示词 | 清晰定义 Agent 的角色和边界 |
| 工具描述准确 | 让模型理解何时使用每个工具 |
| 错误处理 | 工具中实现适当的错误处理 |
| 限制迭代次数 | 防止无限循环 |
| 使用日志 | 便于调试和监控 |
下一节：3.2 Models