代理 = 模型 + 运行框架。 LangChain 提供 create_agent：一个精简且高度可配置的运行框架。运行框架包含模型循环周围的一切：提示词、工具，以及任何塑造行为的中间件。从这些基础构件开始，组合出用例真正需要的能力。支持 OpenAI、Anthropic、Google 等提供商。
LangChain 与 LangGraph 与 Deep Agents如果需要一个“开箱即用”的代理，请从 Deep Agents 开始。它包含自动上下文压缩、虚拟文件系统和子代理生成等功能。Deep Agents 构建在 LangChain agents 之上，你也可以直接使用这些代理。使用 LangChain（create_agent）可以获得高度可自定义的运行框架，并根据你的用例和数据进行调整。对于需要结合确定性工作流和代理式工作流的高级场景，请使用底层编排框架 LangGraph。使用 LangSmith 跟踪、调试和评估用这些框架构建的代理。按照跟踪快速入门完成设置。建议同时设置 LangSmith Engine，它可以监控跟踪、检测问题并提出修复建议。

​
创建代理

此示例演示如何使用自定义工具创建一个简单的 LangChain 代理： 
// First install: npm install langchain zod @langchain/openai
import { createAgent, tool } from "langchain";
import * as z from "zod";

const getWeather = tool(
  (input) => `It's always sunny in ${input.city}!`,
  {
    name: "get_weather",
    description: "Get the weather for a given city",
    schema: z.object({
      city: z.string().describe("The city to get the weather for"),
    }),
  }
);

const agent = createAgent({
  model: "gpt-5.4",
  tools: [getWeather],
});

console.log(
  await agent.invoke({
    messages: [{ role: "user", content: "What's the weather in San Francisco?" }],
  })
);
请查看安装说明和快速入门指南，开始使用 LangChain 构建你自己的代理和应用。
使用 LangSmith 跟踪请求、调试代理行为并评估输出。设置 LANGSMITH_TRACING=true 和你的 API 密钥即可开始。

​
核心优势

标准模型接口

不同提供商用于模型交互的 API 各不相同，响应格式也不同。LangChain 标准化了你与模型交互的方式，让你可以无缝切换提供商并避免锁定。

高度可配置的运行框架

create_agent 是一个精简的运行框架：模型、工具、提示词和循环。你可以用中间件扩展它：每一部分处理一个关注点，并且可以自由组合。只构建用例真正需要的代理能力。
/images/brand/langgraph-icon.png

构建在 LangGraph 之上

LangChain 的代理构建在 LangGraph 之上。因此，LangChain 可以利用 LangGraph 的持久执行、人在环路支持、持久化等能力。
/images/brand/observability-icon-dark.png

使用 LangSmith 调试

借助可视化工具深入了解复杂的代理行为：跟踪执行路径、捕获状态转换，并提供详细的运行时指标。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.