🤖如何使用langgraph实现主从模式的agents？
type
status
date
slug
summary
tags
category
icon
password
使用langchain来构建单agents非常的简单，然而大多时候单Agents并不能起到很好的作用，尤其在复杂任务执行的时候，于是多Agents的架构就被提出来了，那么如何使用langgraph来实现多Agents，并且来构建一个主从模式的Agents组呢？
📝 Agent Supervisor 代理主管
如上图所示，这是一种常见的多Agents模式，即由一个上级主管，和多个下级Agents构成，从组织架构角度看，非常符合我们现在人类社会的组织模式 ———— 主管负责从客户(user)处获取需求和要求，并根据下级反馈的情况和用户要求，智能选择将任务或者接续的任务委派给合适的成员，那么使用Langgraph如何来实现这个结构设计呢？
首先安装依赖包
设置相关的API密钥，这里主要是Openai以及TAVILY搜索
创建Tools
创建一个help类函数
这个agent_node函数用来在图形中创造节点，它负责将Agent的响应转换为人工消息，这是更新维护图像全局状态的重要函数。
创建主管Agent
它使用函数调用来选择下一个节点或结束处理
构造图，定义state和节点
连接所有的边
让团队工作起来！
测试搜索助手
ok,使用langgraph就是这样简单的完成了一个主从Agents的开发，需要注意langchain的版本要升级到最新的0.3.0大版本，此外如果要使用持久化记忆的话，最新的langgraph包也将类似sqlit这样的包分离出来，需要单独安装!
Loading...