Skip to main content
LangChain 是开始构建完全自定义的 LLM 驱动代理和应用程序的最便捷方式。不到 10 行代码，您就可以连接到 OpenAI、Anthropic、Google 以及更多提供商。LangChain 提供预构建的代理架构和模型集成，帮助您快速上手并无缝地将 LLM 整合到您的代理和应用程序中。
LangChain vs. LangGraph vs. Deep Agents如果您想构建代理，我们建议您从 Deep Agents 开始，它”开箱即用”，具备现代特性，如自动压缩长对话、虚拟文件系统以及用于管理和隔离上下文的子代理生成。Deep Agents 是 LangChain agents 的实现。如果您不需要这些功能，或者想为自己的代理和自主应用程序定制，请从 LangChain 开始。当您有更高级的需求，需要结合确定性和智能化工作流以及深度定制时，请使用 LangGraph——我们的低层级代理编排框架和运行时。
LangChain agents 构建于 LangGraph 之上，以提供持久化执行、流式传输、人机协作、持久化存储等功能。您不需要了解 LangGraph 就可以基本使用 LangChain 代理。 我们建议您在想要快速构建代理和自主应用程序时使用 LangChain。

​
创建代理

# pip install -qU langchain "langchain[anthropic]"
from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="claude-sonnet-4-6",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

# Run the agent
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)
请参阅安装说明和快速入门指南，开始使用 LangChain 构建您自己的代理和应用程序。
使用 LangSmith 追踪请求、调试代理行为并评估输出。设置 LANGSMITH_TRACING=true 和您的 API 密钥即可开始。

​
核心优势

标准模型接口

不同提供商有不同的模型交互 API，包括响应格式。LangChain 标准化了您与模型的交互方式，让您可以无缝切换提供商，避免厂商锁定。

易用且高度灵活的代理

LangChain 的代理抽象设计简单易用，让您可以用不到 10 行代码构建一个简单的代理。同时它也提供了足够的灵活性，让您可以进行所有想要的上下文工程。
https://mintcdn.com/other-405835d4/zfoblcQReEYa-is2/images/brand/langgraph-icon.png?fit=max&auto=format&n=zfoblcQReEYa-is2&q=85&s=4fe8f4c70fe7b1ddc099d7d83148a043

构建于 LangGraph 之上

LangChain 的代理构建于 LangGraph 之上，让我们可以充分利用 LangGraph 的持久化执行、人机协作支持、持久化存储等功能。
https://mintcdn.com/other-405835d4/zfoblcQReEYa-is2/images/brand/observability-icon-dark.png?fit=max&auto=format&n=zfoblcQReEYa-is2&q=85&s=a5ea23e3bf9ca95c33f73f9b2c93339d

使用 LangSmith 调试

通过可视化工具深入了解复杂代理行为，追踪执行路径、捕获状态转换并提供详细的运行时指标。
在 GitHub 上编辑此页面 或 提交问题。
将这些文档连接到 Claude、VSCode 等工具，通过 MCP 获取实时答案。