Skip to main content
LangChain 是开始构建完全由 LLM 驱动的自定义代理和应用程序的简便方法。 只需不到 10 行代码，您就可以连接到 OpenAI、Anthropic、Google 以及更多提供商。 LangChain 提供了预构建的代理架构和模型集成，帮助您快速入门，并将 LLM 无缝集成到您的代理和应用程序中。
LangChain 与 LangGraph 与 Deep Agents 的对比如果您希望构建代理，我们建议您从 Deep Agents 开始，它“开箱即用”，具有现代功能，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 代理 的实现。如果您不需要这些功能，或者希望为您的代理和自主应用程序自定义自己的功能，请从 LangChain 开始。当您有更高级的需求，需要确定性和代理工作流的组合以及大量自定义时，请使用 LangGraph，我们的低级代理编排框架和运行时。
LangChain 代理 构建在 LangGraph 之上，以提供持久执行、流式传输、人机回环、持久化等功能。对于基本的 LangChain 代理使用，您不需要了解 LangGraph。 如果您希望快速构建代理和自主应用程序，我们建议您使用 LangChain。

​
创建代理

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

def get_weather(city: str) -> str:
    """获取给定城市的天气。"""
    return f"It's always sunny in {city}!"

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

# 运行代理
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 来跟踪请求、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

不同的提供商具有与模型交互的独特 API，包括响应格式。LangChain 标准化了您与模型交互的方式，因此您可以无缝切换提供商并避免锁定。

易于使用、高度灵活的代理

LangChain 的代理抽象设计为易于上手，让您在不到 10 行代码内构建一个简单的代理。但它也提供了足够的灵活性，让您能够进行所有您想要的上下文工程。
https://mintcdn.com/other-405835d4/zfoblcQReEYa-is2/images/brand/langgraph-icon.png?fit=max&auto=format&n=zfoblcQReEYa-is2&q=85&s=4fe8f4c70fe7b1ddc099d7d83148a043

构建在 LangGraph 之上

LangChain 的代理构建在 LangGraph 之上。这使我们能够利用 LangGraph 的持久执行、人机回环支持、持久化等功能。
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，这些工具可以跟踪执行路径、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。
通过 MCP 将这些文档 连接到 Claude、VSCode 等，以获取实时答案。