LangChain 智能体Agent

Agent智能体

Agent（智能体）是一个通过动态协调大语言模型（LLM）和**工具（Tools）来完成复杂任务的智能系统。

它让LLM充当“决策大脑”，根据用户输入自主选择和执行工具（如搜索、计算、数据库查询等），最终生成精准的响应

核心能力

作为一个智能体，需要具备以下核心能力：

1）大模型（LLM）：作为大脑，提供推理、规划和知识理解能力。
2）记忆（Memory）：具备短期记忆（上下文）和长期记忆（向量存储），支持快速知识检索
3）工具（Tool）：调用外部工具（如API、数据库）的执行单元
4）规划（Planning）：任务分解、反思与自省框架实现复杂任务处理
5）行动（Action）：实际执行决策的能力
6）协作：通过与其他智能体交互合作，完成更复杂的任务目标

Agent创建

from langchain.agents import create_agent
from langchain_community.chat_models import ChatTongyi

agent = create_agent(
    model=ChatTongyi(model="qwen3-max"),
    tools=[],
    system_prompt="你是一个聊天助手，可以回答用户问题"
)

res = agent.invoke(
    {
        "messages": [
            {"role": "user", "content": "明天苏州天气如何？"},
        ]
    }
)
print(res)

调用工具

from langchain.agents import create_agent
from langchain_community.chat_models import ChatTongyi
from langchain_core.tools import tool

@tool(description="获取天气")
def get_wether():
    return "晴天"

agent = create_agent(
    model=ChatTongyi(model="qwen3-max"),
    tools=[get_wether],
    system_prompt="你是一个聊天助手，可以回答用户问题"
)

res = agent.invoke(
    {
        "messages": [
            {"role": "user", "content": "明天苏州天气如何？"},
        ]
    }
)


for msg in res["messages"]:
    print(type(msg).__name__, msg.content)

输出：

HumanMessage 明天苏州天气如何？
AIMessage 
ToolMessage 晴天
AIMessage 明天苏州的天气是晴天，适合外出活动！记得做好防晒哦~

流式输出

通过create_agent方法可以创建Agent对象，其也是Runnable接口的子类实现，也拥有：

• invoke，执行，一次得到完整结果
• stream，执行，流式输出得到结果

from langchain.agents import create_agent
from langchain_community.chat_models import ChatTongyi
from langchain_core.tools import tool

@tool(description="获取天气")
def get_wether():
    return "晴天"

@tool(description="获取温度")
def get_temp():
    return "26度"
agent = create_agent(
    model=ChatTongyi(model="qwen3-max"),
    tools=[get_wether, get_temp],
    system_prompt="你是一个聊天助手，可以回答用户问题"
)

for chunk in agent.stream(
    {
        "messages": [
            {"role": "user", "content": "明天苏州天气气温如何？"},
        ]
    },
    stream_mode="values"
):
    latest_message = chunk["messages"][-1]
    if latest_message.content:
        print(type(latest_message).__name__, latest_message.content)
    try:
        if latest_message.tool_calls:
            print(f"工具调用： { [tc['name'] for tc in latest_message.tool_calls] }")
    except AttributeError as e:
        pass