LangChain v1.0 现已发布！有关更改的完整列表和如何升级代码的说明，请参阅发布说明和迁移指南。如果您遇到任何问题或有反馈，请提交问题，以便我们改进。要查看 v0.x 文档，请访问存档内容。
LangChain 是开始构建由 LLM 驱动的智能体和应用程序的最简单方法。只需不到 10 行代码，您就可以连接到 OpenAI、Anthropic、Google 和更多。LangChain 提供预构建的智能体架构和模型集成，帮助您快速入门并无缝地将 LLM 集成到您的智能体和应用程序中。 如果您想快速构建智能体和自主应用程序，我们建议您使用 LangChain。当您有更高级的需求，需要结合确定性和智能体工作流、大量自定义以及精心控制延迟时，请使用 LangGraph，我们的底层智能体编排框架和运行时。 LangChain 智能体构建在 LangGraph 之上，以提供持久化执行、流式传输、人在回路、持久性等功能。对于基本的 LangChain 智能体使用，您不需要了解 LangGraph。

​
安装

pip install -U langchain

​
创建智能体

# pip install -qU "langchain[anthropic]" to call the model

from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="claude-sonnet-4-5-20250929",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

# Run the agent
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)

​
核心优势

标准模型接口

不同的提供商具有独特的 API 来与模型交互，包括响应格式。LangChain 标准化了您与模型交互的方式，使您可以无缝切换提供商并避免供应商锁定。

易于使用、高度灵活的智能体

LangChain 的智能体抽象设计得易于上手，让您可以用不到 10 行代码构建一个简单的智能体。但它也提供了足够的灵活性，允许您进行所有您想要的上下文工程。

构建在 LangGraph 之上

LangChain 的智能体构建在 LangGraph 之上。这使我们能够利用 LangGraph 的持久化执行、人在回路支持、持久性等功能。

使用 LangSmith 调试

通过可视化工具深入了解复杂的智能体行为，这些工具可以跟踪执行路径、捕获状态转换并提供详细的运行时指标。
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.