LangChain 发布 LangGraph v0.1 稳定版与 LangGraph Cloud Beta

注意：截至 2025 年 10 月，LangGraph Platform 已更名为 "LangSmith Deployment"。

在 LangChain，我们的目标是让构建 LLM 应用变得简单——这些系统将 LLM 连接到外部数据源和计算资源，以便对世界进行推理。让 LLM 决定应用的控制流（即我们所说的智能体）很有吸引力，因为它们可以解锁各种以前无法自动化的任务。然而在实践中，构建能够可靠执行这些任务的系统极其困难。

为了解决这个问题，几个月前，我们推出了 LangGraph —— 一个用于构建智能体和多智能体应用的框架。与 langchain 包不同，LangGraph 的核心设计理念是帮助开发者将更好的精确性和控制力引入智能体工作流，以适应现实世界系统的复杂性。

今天，我们推出 LangGraph v0.1 稳定版，重申我们帮助用户创建更多此类稳健智能体系统的承诺，我们感谢 Klarna、Replit、Ally、Elastic、NCL 等领先公司，以及许多其他已经依赖 LangGraph 将公司的 AI 计划提升到新水平的公司。

我们还非常高兴地宣布 LangGraph Cloud。LangGraph Cloud 目前处于封闭测试阶段，是用于以可扩展、容错的方式部署 LangGraph 智能体的基础设施。它还提供集成的开发者体验，让你在原型设计、调试和监控智能体工作流时获得更多可见性和信心。

继续阅读以了解更多信息并了解如何试用。如果你更喜欢视觉学习，可以查看我们的视频讲解这里。

LangGraph v0.1：平衡智能体控制与自主性

大多数智能体框架可以处理简单的、预定义的任务，但在需要任何公司或领域特定上下文的复杂工作流中却表现不佳。传统的 LangChain AgentExecutor 也是如此，但我们通过迭代和经验学到的是，更高层次的抽象向开发者隐藏了太多细节，最终导致系统缺乏可靠完成任务所需的控制力。

相比之下，LangGraph 具有灵活的 API，让你可以设计自定义的认知架构。这意味着你可以对代码、提示词和 LLM 调用的流程进行底层控制，这些调用接收用户输入以执行操作或生成响应。通过条件分支和循环，LangGraph 让用户可以构建具有分层或顺序决策模式的单智能体或多智能体设置。在 Norwegian Cruise Line 等公司，这种级别的智能体控制至关重要。

"LangGraph 对我们的 AI 开发起到了关键作用。它用于构建基于 LLM 的有状态、多参与者应用的稳健框架，改变了我们评估和优化面向宾客的 AI 解决方案性能的方式。LangGraph 实现了对智能体思维过程的细粒度控制，这使我们能够做出数据驱动的、深思熟虑的决策，以满足宾客的多样化需求。" - Andres Torres（Norwegian Cruise Line 高级解决方案架构师）

LangGraph 还让添加审核和质量检查变得简单，确保智能体在继续执行任务前满足某些条件。这能让智能体保持正确推进，并降低其卡在错误路径上、难以恢复的可能性。

对于像 Replit 这样的公司，LangGraph 的细粒度控制增强了他们交付可靠智能体的能力。

“构建一个编码智能体的原型很容易，但提高其可靠性却出奇地困难。Replit 希望为数百万用户提供编码智能体——可靠性是我们的首要任务，并且将在很长一段时间内保持如此。LangGraph 为我们提供了构建和交付强大编码智能体所需的控制和人体工学。” - Michele Catasta（Replit AI 副总裁）

对于最复杂或最敏感的任务，仍然需要人工协作来补充智能体自动化。LangGraph 通过其内置的持久化层使人类与智能体的协作成为可能。具体来说，使用 LangGraph，你可以：

设计智能体在执行任务并恢复工作流之前明确等待人工批准。
在执行智能体的操作之前对其进行编辑。
检查、重新连接、编辑并恢复智能体的执行（即我们所描述的“时间旅行”功能）。

对于像 Elastic 这样的团队来说，这种设计上的灵活性带来了颠覆性的改变。他们指出：

“LangChain 凭借 LangGraph 所提出的方案遥遥领先。LangGraph 为我们构建和扩展 AI 工作负载奠定了基础——从对话智能体、复杂任务自动化，到‘开箱即用’的定制 LLM 驱动体验。使用 LLM 构建复杂生产级功能的下一个篇章是智能体化，而借助 LangGraph 和 LangSmith，LangChain 提供了开箱即用的解决方案，可快速迭代、即时调试并无缝扩展。” – Garrett Spong（Elastic 首席软件工程师）

最后，LangGraph 原生支持中间步骤的流式传输和逐令牌流式传输，为处理长时间运行的智能体任务的用户带来更动态、更响应迅速的体验。

LangGraph Cloud：可扩展的智能体部署与集成监控

为了补充 LangGraph 框架，我们还推出了新的运行时 LangGraph Cloud，现已进入测试阶段，它提供了专为大规模部署智能体而构建的基础设施。

随着你的智能体用例获得关注，智能体之间不均衡的任务分配可能会使系统过载，从而导致速度变慢和停机风险。LangGraph Cloud 承担繁重的工作，帮助你实现容错的可扩展性。它优雅地管理横向扩展的任务队列、服务器以及强大的 Postgres 检查点器，以处理大量并发用户并高效存储大型状态和线程。

LangGraph Cloud 旨在支持真实世界的交互模式。除了流式传输和人工介入（这些在 LangGraph 中已涵盖）之外，LangGraph Cloud 还增加了：

双重文本输入 以处理当前正在运行的图线程上的新用户输入。它支持四种处理额外上下文的策略：拒绝、排队、中断和回滚。
异步后台作业 用于长时间运行的任务。你可以通过轮询或 webhook 检查完成情况。
Cron 作业 用于按计划运行常见任务

LangGraph Cloud 还为你的智能体应用的协作、部署和监控带来了更一体化的体验。它配备了 LangGraph Studio —— 一个类似游乐场的空间，用于可视化智能体的轨迹，帮助调试失败模式，并添加断点以进行中断、状态编辑、恢复和时间旅行。LangGraph Studio 让你可以与内部利益相关者分享你的 LangGraph 智能体，以获取反馈并快速迭代。

此外，LangGraph Cloud 简化了部署。从 GitHub 选择一个 LangGraph 仓库，只需一键即可部署你的智能体应用——无需基础设施专业知识。而且，由于 LangGraph Cloud 集成在 LangSmith 中，你可以更深入地了解你的应用，并在生产环境中跟踪和监控使用情况、错误、性能和成本。

我们很高兴推出 LangGraph Cloud，并得到了像 Ally Financial 这样已经借助 LangGraph 取得进展的合作伙伴的支持。

“随着 Ally 推进其对生成式 AI 的探索，我们的技术实验室对 LangChain 推出的新库 LangGraph 感到兴奋，它对我们多角色智能体工作流的实验至关重要。我们致力于深化与 LangChain 的合作关系。” - Sathish Muthukrishnan（Ally Financial 首席信息、数据与数字官）

亲自试一试

要开始使用 LangGraph，只需前往 GitHub 项目并按照安装说明操作。

要获得 LangGraph Cloud 的访问权限，请注册 LangGraph Cloud 等候名单。你需要先拥有一个 LangSmith 账户（可以免费试用）才能使用 LangGraph Cloud 功能。

我们相信我们拥有一种独特的构建智能体的方法——它让你将公司特定的工作流置于中心，并为你提供发布到生产环境所需的控制力。我们希望，随着这些工具的推出，我们离弥合用户期望与智能体能力之间的差距更近了一步。

如果你有反馈，我们很乐意通过 hello@langchain.dev 听到你的声音！

从这些额外资源中了解更多：