Skip to main content
LangChain 实现了一个流式传输系统，用于呈现实时更新。 流式传输对于增强基于 LLM 构建的应用程序的响应能力至关重要。通过逐步显示输出，甚至在完整响应准备好之前，流式传输显著改善了用户体验（UX），尤其是在处理 LLM 的延迟时。

​
概述

LangChain 的流式传输系统让您可以将代理运行的实时反馈呈现到您的应用程序中。 LangChain 流式传输可以实现以下功能： 请参阅下面的常见模式部分，获取更多端到端示例。

​
支持的流式传输模式

将以下一个或多个流式传输模式作为列表传递给 stream 方法：
模式描述
updates在每个代理步骤后流式传输状态更新。如果在同一步骤中进行多次更新（例如，运行多个节点），则这些更新将分别流式传输。
messages从任何调用 LLM 的图节点流式传输 (token, metadata) 元组。
custom使用流写入器从图节点内部流式传输自定义数据。

​
代理进度

要流式传输代理进度，请使用带有 streamMode: "updates" 的 stream 方法。这会在每个代理步骤后发出一个事件。 例如，如果您有一个调用一次工具的代理，您应该看到以下更新：
  • LLM 节点：带有工具调用请求的 AIMessage
  • 工具节点：带有执行结果的 ToolMessage
  • LLM 节点：最终的 AI 响应
import z from "zod";
import { createAgent, tool } from "langchain";

const getWeather = tool(
    async ({ city }) => {
        return `The weather in ${city} is always sunny!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string(),
        }),
    }
);

const agent = createAgent({
    model: "gpt-5-nano",
    tools: [getWeather],
});

for await (const chunk of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: "updates" }
)) {
    const [step, content] = Object.entries(chunk)[0];
    console.log(`step: ${step}`);
    console.log(`content: ${JSON.stringify(content, null, 2)}`);
}
/**
 * step: model
 * content: {
 *   "messages": [
 *     {
 *       "kwargs": {
 *         // ...
 *         "tool_calls": [
 *           {
 *             "name": "get_weather",
 *             "args": {
 *               "city": "San Francisco"
 *             },
 *             "type": "tool_call",
 *             "id": "call_0qLS2Jp3MCmaKJ5MAYtr4jJd"
 *           }
 *         ],
 *         // ...
 *       }
 *     }
 *   ]
 * }
 * step: tools
 * content: {
 *   "messages": [
 *     {
 *       "kwargs": {
 *         "content": "The weather in San Francisco is always sunny!",
 *         "name": "get_weather",
 *         // ...
 *       }
 *     }
 *   ]
 * }
 * step: model
 * content: {
 *   "messages": [
 *     {
 *       "kwargs": {
 *         "content": "The latest update says: The weather in San Francisco is always sunny!\n\nIf you'd like real-time details (current temperature, humidity, wind, and today's forecast), I can pull the latest data for you. Want me to fetch that?",
 *         // ...
 *       }
 *     }
 *   ]
 * }
 */

​
LLM 令牌

要流式传输 LLM 生成的令牌，请使用 streamMode: "messages"： 
import z from "zod";
import { createAgent, tool } from "langchain";

const getWeather = tool(
    async ({ city }) => {
        return `The weather in ${city} is always sunny!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string(),
        }),
    }
);

const agent = createAgent({
    model: "gpt-4.1-mini",
    tools: [getWeather],
});

for await (const [token, metadata] of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: "messages" }
)) {
    console.log(`node: ${metadata.langgraph_node}`);
    console.log(`content: ${JSON.stringify(token.contentBlocks, null, 2)}`);
}

​
自定义更新

要流式传输工具执行时的更新，您可以使用配置中的 writer 参数。 
import z from "zod";
import { tool, createAgent } from "langchain";
import { LangGraphRunnableConfig } from "@langchain/langgraph";

const getWeather = tool(
    async (input, config: LangGraphRunnableConfig) => {
        // 流式传输任意数据
        config.writer?.(`Looking up data for city: ${input.city}`);
        // ... 获取城市数据
        config.writer?.(`Acquired data for city: ${input.city}`);
        return `It's always sunny in ${input.city}!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string().describe("The city to get weather for."),
        }),
    }
);

const agent = createAgent({
    model: "gpt-4.1-mini",
    tools: [getWeather],
});

for await (const chunk of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: "custom" }
)) {
    console.log(chunk);
}
Output
Looking up data for city: San Francisco
Acquired data for city: San Francisco
如果您将 writer 参数添加到您的工具中，您将无法在 LangGraph 执行上下文之外调用该工具，除非提供一个写入器函数。

​
流式传输多种模式

您可以通过将 streamMode 作为数组传递来指定多种流式传输模式：streamMode: ["updates", "messages", "custom"]。 流式传输的输出将是 [mode, chunk] 元组，其中 mode 是流式传输模式的名称，chunk 是该模式流式传输的数据。 
import z from "zod";
import { tool, createAgent } from "langchain";
import { LangGraphRunnableConfig } from "@langchain/langgraph";

const getWeather = tool(
    async (input, config: LangGraphRunnableConfig) => {
        // 流式传输任意数据
        config.writer?.(`Looking up data for city: ${input.city}`);
        // ... 获取城市数据
        config.writer?.(`Acquired data for city: ${input.city}`);
        return `It's always sunny in ${input.city}!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string().describe("The city to get weather for."),
        }),
    }
);

const agent = createAgent({
    model: "gpt-4.1-mini",
    tools: [getWeather],
});

for await (const [streamMode, chunk] of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: ["updates", "messages", "custom"] }
)) {
    console.log(`${streamMode}: ${JSON.stringify(chunk, null, 2)}`);
}

​
常见模式

以下是展示流式传输常见用例的示例。

​
流式传输思考/推理令牌

某些模型在生成最终答案之前会执行内部推理。您可以通过过滤标准内容块中 type 为 "reasoning" 的内容，在思考/推理令牌生成时进行流式传输。
必须在模型上启用推理输出。请参阅推理部分和您的提供商集成页面以获取配置详细信息。要快速检查模型的推理支持，请参阅 models.dev。
要从代理流式传输思考令牌，请使用 streamMode: "messages" 并过滤推理内容块。当模型支持时，使用启用了扩展思考的模型实例（例如 ChatAnthropic）： 
import z from "zod";
import { createAgent, tool } from "langchain";
import { ChatAnthropic } from "@langchain/anthropic";

const getWeather = tool(
  async ({ city }) => {
    return `It's always sunny in ${city}!`;
  },
  {
    name: "get_weather",
    description: "Get weather for a given city.",
    schema: z.object({ city: z.string() }),
  },
);

const agent = createAgent({
  model: new ChatAnthropic({
    model: "claude-sonnet-4-6",
    thinking: { type: "enabled", budget_tokens: 5000 },
  }),
  tools: [getWeather],
});

for await (const [token, metadata] of await agent.stream(
  { messages: [{ role: "user", content: "What is the weather in SF?" }] },
  { streamMode: "messages" },
)) {
  if (!token.contentBlocks) continue;
  const reasoning = token.contentBlocks.filter((b) => b.type === "reasoning");
  const text = token.contentBlocks.filter((b) => b.type === "text");
  if (reasoning.length) {
    process.stdout.write(`[thinking] ${reasoning[0].reasoning}`);
  }
  if (text.length) {
    process.stdout.write(text[0].text);
  }
}
Output
[thinking] The user is asking about the weather in San Francisco. I have a tool
[thinking]  available to get this information. Let me call the get_weather tool
[thinking]  with "San Francisco" as the city parameter.
The weather in San Francisco is: It's always sunny in San Francisco!
无论模型提供商如何，这都以相同的方式工作—LangChain 通过 content_blocks 属性将提供商特定的格式（Anthropic thinking 块、OpenAI reasoning 摘要等）标准化为标准的 "reasoning" 内容块类型。 要直接从聊天模型（不使用代理）流式传输推理令牌，请参阅使用聊天模型进行流式传输。

​
禁用流式传输

在某些应用程序中，您可能需要为给定模型禁用单个令牌的流式传输。这在以下情况下很有用：
  • 使用多代理系统来控制哪些代理流式传输其输出
  • 将支持流式传输的模型与不支持流式传输的模型混合使用
  • 部署到 LangSmith 并希望防止某些模型输出流式传输到客户端
在初始化模型时设置 streaming: false。 
import { ChatOpenAI } from "@langchain/openai";

const model = new ChatOpenAI({
  model: "gpt-4.1",
  streaming: false,
});
部署到 LangSmith 时，在任何不希望其输出流式传输到客户端的模型上设置 streaming=False。这需要在部署前在您的图代码中进行配置。
并非所有聊天模型集成都支持 streaming 参数。如果您的模型不支持，请改用 disableStreaming: true。此参数可通过基类在所有聊天模型上使用。
请参阅 LangGraph 流式传输指南 以获取更多详细信息。

​
相关

在 GitHub 上编辑此页面 或提交问题。
连接这些文档 到 Claude、VSCode 等，通过 MCP 获取实时答案。