LangChain 的 create_agent 底层运行在 LangGraph runtime 之上。
LangGraph 暴露一个 Runtime 对象，其中包含以下信息：
- Context：代理调用的静态信息，例如用户 ID、数据库连接或其他依赖
- Store：用于 long-term memory 的 BaseStore 实例
- Stream writer：用于通过
"custom" stream mode 流式传输信息的对象
- Execution info：当前执行的身份和重试信息（thread ID、run ID、attempt number）
- Server info：在 LangGraph Server 上运行时的服务器特定元数据（assistant ID、graph ID、authenticated user）
Runtime context 为你的工具和 middleware 提供依赖注入。不要硬编码值或使用全局状态，而是在调用代理时注入运行时依赖（例如数据库连接、用户 ID 或配置）。这会让你的工具更容易测试、复用且更灵活。
create_agent 创建代理时，可以指定 context_schema 来定义存储在代理 Runtime 中的 context 结构。
调用代理时，通过 context 参数传入该运行的相关配置：
from dataclasses import dataclass
from langchain.agents import create_agent
@dataclass
class Context:
user_name: str
agent = create_agent(
model="gpt-5-nano",
tools=[...],
context_schema=Context
)
agent.invoke(
{"messages": [{"role": "user", "content": "What's my name?"}]},
context=Context(user_name="John Smith")
)
在工具中
你可以在工具中访问 runtime 信息，用于：
使用 ToolRuntime 参数在工具中访问 Runtime 对象。
from dataclasses import dataclass
from langchain.tools import tool, ToolRuntime
@dataclass
class Context:
user_id: str
@tool
def fetch_user_email_preferences(runtime: ToolRuntime[Context]) -> str:
"""Fetch the user's email preferences from the store."""
user_id = runtime.context.user_id
preferences: str = "The user prefers you to write a brief and polite email."
if runtime.store:
if memory := runtime.store.get(("users",), user_id):
preferences = memory.value["preferences"]
return preferences
工具中的 execution info 和 server info
在 LangGraph Server 上运行时，通过 runtime.execution_info 访问执行身份（thread ID、run ID），并通过 runtime.server_info 访问服务器特定元数据（assistant ID、authenticated user）：
from langchain.tools import tool, ToolRuntime
@tool
def context_aware_tool(runtime: ToolRuntime) -> str:
"""A tool that uses execution and server info."""
# Access thread and run IDs
info = runtime.execution_info
print(f"Thread: {info.thread_id}, Run: {info.run_id}")
# Access server info (only available on LangGraph Server)
server = runtime.server_info
if server is not None:
print(f"Assistant: {server.assistant_id}")
if server.user is not None:
print(f"User: {server.user.identity}")
return "done"
server_info 为 None。
runtime.execution_info 和 runtime.server_info 需要 deepagents>=0.5.0（或 langgraph>=1.1.5）。
在 middleware 中
你可以在 middleware 中访问 runtime 信息，以创建动态 prompts、修改消息，或根据用户 context 控制代理行为。
使用 Runtime 参数在 node-style hooks 中访问 Runtime 对象。对于 wrap-style hooks，Runtime 对象可在 ModelRequest 参数中使用。
from dataclasses import dataclass
from langchain.messages import AnyMessage
from langchain.agents import create_agent, AgentState
from langchain.agents.middleware import dynamic_prompt, ModelRequest, before_model, after_model
from langgraph.runtime import Runtime
@dataclass
class Context:
user_name: str
# Dynamic prompts
@dynamic_prompt
def dynamic_system_prompt(request: ModelRequest) -> str:
user_name = request.runtime.context.user_name
system_prompt = f"You are a helpful assistant. Address the user as {user_name}."
return system_prompt
# Before model hook
@before_model
def log_before_model(state: AgentState, runtime: Runtime[Context]) -> dict | None:
print(f"Processing request for user: {runtime.context.user_name}")
return None
# After model hook
@after_model
def log_after_model(state: AgentState, runtime: Runtime[Context]) -> dict | None:
print(f"Completed request for user: {runtime.context.user_name}")
return None
agent = create_agent(
model="gpt-5-nano",
tools=[...],
middleware=[dynamic_system_prompt, log_before_model, log_after_model],
context_schema=Context
)
agent.invoke(
{"messages": [{"role": "user", "content": "What's my name?"}]},
context=Context(user_name="John Smith")
)
Middleware 中的 execution info 和 server info
Middleware hooks 也可以访问 runtime.execution_info 和 runtime.server_info：
from langchain.agents import AgentState
from langchain.agents.middleware import before_model
from langgraph.runtime import Runtime
@before_model
def auth_gate(state: AgentState, runtime: Runtime) -> dict | None:
"""Block unauthenticated users when running on LangGraph Server."""
server = runtime.server_info
if server is not None and server.user is None:
raise ValueError("Authentication required")
print(f"Thread: {runtime.execution_info.thread_id}")
return None
需要 deepagents>=0.5.0（或 langgraph>=1.1.5）。
