Frameworks

9 月 20 日学习报告：LangChain Agent 的 Tool、Memory 与 Streaming 仅整理 2026-09-20 修改的 4 个文件。文件按最后修改时间排列；各文件内部保持原文标题顺序与层级，只压缩重复表述和示例，不省略知识点。 ...

Agent 概述: 带有特定技能,专业知识和职责的专业团队成员 智能体的属性: 最基本的三个 Role,Goal,Backstory 后续全为可选,请自行查阅官网 创建智能体 两种方法: YAML配置(推荐)和直接在代码中定义 YAML配置(推荐) 在代码中使用YAML配置,需要创建一个继承自CrewBase的工作组类 ...

AutoGen 框架深度解析与全景知识总结报告 编制日期：2026年11月 报告归档目录：D:\那就，战个未来吧\content\Frameworks\AutoGen 适用版本：Microsoft AutoGen v0.4+（现代 Actor 架构）、AG2 / pyautogen（经典兼顾版）及 AutoGen Studio ...

Checkpointer在每个super-step之后保存图状态的 snapshot(快照),并且按照thread进行组织 Why use checkpointers 适用于以下的场景: ...

Model Context Protocol (MCP) is an open protocol that standardizes how applications provide tools and context to language models.

Crew 概念: 代表一组协作工作的agent,共同完成一系列的任务 属性 必须:tasks,agents 剩下的均为可选,请自行前往官网查阅 创建crew 两种方法:YAML配置(推荐)和直接再代码中定义 ...

发布自定义工具 必须满足下面两种接口之一: 1.继承BaseTool 2.使用@tool装饰器 参数要求: 拥有一个 name —— 一个简短的描述性标识符。 拥有一个 description —— 告诉代理何时以及如何使用该工具。这直接影响代理使用工具的效果，因此请务必清晰具体。 实现 _run (BaseTool) 或提供 函数体 (@tool) —— 这是同步执行逻辑。 对所有参数和返回值使用 类型注解。 返回一个 字符串 结果（或可以有意义地转换为字符串的内容）。

Thinking in LangGraph 使用LangGraph创建agent时 首先将他拆分为称为nodes的离散步骤 然后你要描述每个节点的decisions和transitions 最后你将nodes连接起来,通过一个每个节点都可以读写的共享state ...

LangChain agents are built on LangGraph, so they support the same streaming stack with agent-focused projections for messages, tool calls, state, and custom updates. For most situation,use Event Streaming throughstream_event(...,version="v3") Event Streaming returns a run object with typed projections, so each projection can be consumed independently instead of parsing stream-mode tuples 1 2 3 4 5 6 7 8 9 stream = agent.stream_events({ "messages": [{"role": "user", "content": "What is the weather in SF?"}], }, version="v3") for message in stream.messages: for delta in message.text: print(delta, end="", flush=True) final_state = stream.output What you can stream Projection Use for event in stream Raw protocol events with full envelope and access to every channel. stream.messages Model message streams, one per LLM call. message.text Text deltas and final text for a message. message.reasoning Reasoning deltas for models that expose reasoning content. message.tool_calls Tool-call argument chunks and finalized tool calls. message.output Final message object after the model call completes. stream.values Agent state snapshots. stream.output Final agent state. stream.subgraphs Nested graph runs (sub-agents and plain subgraphs). stream.extensions Custom transformer projections. stream.tool_calls Tool execution lifecycle, inputs, output deltas, final output, and errors. stream.messages 会生成 ChatModelStream 对象。每个消息流都暴露了 .text、.reasoning、.tool_calls 和 .output。同步投影可迭代以获取实时增量，也可排空以获取最终值：使用 str(message.text) 获取最终文本，使用 message.tool_calls.get() 获取已完成的工具调用 ...

需求:continue a conversation, resume from a interrupt, recover from a failure, remember information across conversations LangGraph提供了两个互补的持久化系统: Checkpointer将线程的graph state持久化为checkpoints 适用场景:short-term memory,thread -scoped memory ...