LangChain Agent API

---

create_agent() 完整参数

参数	类型	默认值	说明
model	str 或 BaseChatModel	无（必填）	语言模型
tools	Sequence 或 None	None	工具列表。支持 @tool 函数、Pydantic 模型、dict
system_prompt	str 或 SystemMessage 或 None	None	系统提示词
middleware	Sequence[AgentMiddleware]	()	中间件列表
response_format	ResponseFormat 或 type 或 dict 或 None	None	结构化输出配置
state_schema	type[AgentState] 或 None	None	自定义状态结构
context_schema	type 或 None	None	运行时上下文结构
checkpointer	Checkpointer 或 None	None	对话持久化
store	BaseStore 或 None	None	跨会话存储
interrupt_before	list[str] 或 None	None	在这些节点前暂停
interrupt_after	list[str] 或 None	None	在这些节点后暂停
debug	bool	False	是否输出详细日志
name	str 或 None	None	Agent 名称
cache	BaseCache 或 None	None	缓存配置

---

CompiledStateGraph 方法

方法	说明
invoke(input, config=None)	同步运行，返回最终状态
ainvoke(input, config=None)	异步运行，返回最终状态
stream(input, config=None, stream_mode="updates")	同步流式运行
astream(input, config=None, stream_mode="updates")	异步流式运行
get_state(config)	获取当前状态快照
update_state(config, values)	手动更新状态

---

AgentState 结构

字段	类型	是否必填	说明
messages	list[AnyMessage]	是	消息历史（add_messages reducer）
jump_to	"tools" 或 "model" 或 "end" 或 None	否	流程跳转（ephemeral）
structured_response	Any	否	结构化输出结果（OmitFromInput）

---

常用用法示例

实例

from langchain.agents import create_agent

# 基本用法

agent = create_agent(model="deepseek:deepseek-v4-flash", tools=[tool1, tool2])

result = agent.invoke({"messages": [HumanMessage(content="你好")]})

# 完整配置

agent = create_agent(

    model="deepseek:deepseek-v4-flash",

    tools=[tool1, tool2],

    system_prompt="你是助手。",

    middleware=[my_middleware],

    response_format=MySchema,

    checkpointer=checkpointer,

    store=store,

    name="my_agent",

)

# 流式运行

for chunk in agent.stream(inputs, stream_mode="updates"):

    print(chunk)

# 获取状态

state = agent.get_state({"configurable": {"thread_id": "1"}})

AI 思考中...

LangChain Chat Model API

LangChain Messages API