LangChain.js 智能代理实战指南快速搭建能调用工具的 AI 应用【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs当你想让 AI 不只是聊天还要查数据、调接口、记住多轮上下文时LangChain.js 的智能代理Agent能力能帮你用极少的配置把这些环节串成一条能跑的流程。今天我们不讲概念直接以实践者的角度一起看看它到底怎么把模型变成会干活的智能代理。一句话它替你解决了什么它替你省掉模型和外部世界之间的所有胶水代码——你声明好模型和工具它负责让模型自己决定何时调用什么工具、按什么参数调用再把结果喂回给模型继续推理。你只需要关注业务规则不用手写轮询、解析和重试。三步把 LangChain.js 装进项目上手路径很短核心改动就两处装包在 Node.js20.x 及以上项目里执行npm install -S langchain再按你用的模型装一个 provider 包比如 OpenAI 对应langchain/openai仓库里 libs/providers/ 目录下可以看到全部支持的 provider 包Anthropic、Google、Ollama、Groq 等都在其中。配模型在代码里用一个 Chat 模型实例指定 provider 和模型名这一步就是配置驱动的全部——换一个模型通常只是换一行实例化。建代理用主包导出的createAgent把模型和工具列表交给它就能invoke发消息。没有链式调用样板没有初始化仪式。它能替你完成的四件事让模型用上实时数据连接外部数据源大模型训练截止后的世界它一无所知。LangChain.js 把向量库、检索器、HTTP 接口、数据库等接成统一的数据源接口模型在推理过程中可以主动去查。下面这张图就是一个典型的场景搜索结果页这类实时信息正是模型自己够不着、必须由框架帮它取回来的东西。让模型记得上文会话内存与状态管理多轮对话里它指谁、上次是哪次靠的是状态。createAgent支持挂一个 store如InMemoryStore工具读写它模型就能跨会话引用之前存下的信息——记忆不再是一段段字符串拼接而是结构化的键值存取。让模型输出可控工具调用与结构化结果用 zod schema 给每个工具声明参数结构模型给出的调用参数会先过校验再执行脏参数进不了你的业务函数。最终答复也可以声明responseFormat让代理直接返回符合 schema 的结构化对象而不是让你再去正则解析一段自然语言。换模型不用改业务代码多模型互操作所有 provider 的 Chat 模型都实现同一套接口你在业务层写的工具、提示、流程与具体模型解耦。今天用 GPT-4o 验证逻辑明天换 Claude 或 Gemini 压成本业务代码基本不动——这在模型迭代飞快的阶段是很实在的保险。完整走读一个带记忆的工具代理以仓库里的 examples/src/createAgent/tools.ts 为例把它拆开看就是输入 → 处理 → 输出三步输入第一次调用agent.invoke消息是一句自然语言Save the following user: userid: abc123, name: Foo, age: 25, email: foolangchain.dev。处理代理把这句话解析为对saveUserInfo工具的调用参数经 zod 校验后写入挂着的InMemoryStore工具返回 Successfully saved user info.。输出另起一次invoke模拟新会话问 Get user info for user with id abc123模型这次选择调用getUserInfo从 store 里读回数据最终消息输出姓名、年龄、邮箱的结构化摘要。整个过程你没写任何如果用户说保存就写库的分支——路由决策是模型做的你只提供工具和存储。这就是智能代理和普通模型 if 判断脚本的分界线。进阶与避坑两个容易踩的地方分清 langchain 和 langchain-classic仓库里同时存在 libs/langchain/ 和 libs/langchain-classic/。新版createAgent、中间件middleware等代理 API 在主包里chains、memory、classic prompts 那套传统写法在 langchain-classic 里示例集中在 examples/src/langchain-classic/。网上大量旧教程的代码是 classic 版本和新代理 API 的导入路径不通用照抄会拿到不存在的导出。新代码建议直接走主包。注意 zod 版本对齐工具 schema 全部基于 zod仓库专门有 environment_tests/test-zod-compat/ 目录分别验证 zod v3、v4 以及版本不匹配的场景。如果你的项目里已有别的库锁定了 zod 版本安装前先确认版本是否落在 provider 包的兼容范围内否则类型校验会在运行时悄悄失效。生态与延伸阅读想动手跑代码仓库自带一套可直接执行的示例examples/src/createAgent/ 下有工具调用、中间件限流、摘要、人工介入、多智能体handoffs、supervisor等几十个小而完整的案例每个文件独立成篇比长文档更适合边读边改。另外两处值得翻一翻internal/standard-tests/ 展示了官方如何给 LLM 集成写标准化测试对你评估某个模型接入是否靠谱很有参考价值internal/model-profiles/ 则是一套模型特性档案工具帮你判断某个模型到底支不支持工具调用、流式等能力。如果想拿到完整源码在本地跑可以克隆仓库git clone https://gitcode.com/GitHub_Trending/la/langchainjs落地建议从哪一步开始如果你是初学者先别碰 RAG 和多智能体从 examples/src/createAgent/tools.ts 这个最简工具代理跑通起把一个工具、一次存储、两次 invoke完整复现一遍代理的循环机制你就理解了。如果你已有项目要接入优先评估你现有系统里哪些固定流程其实是决策流程——比如需要根据用户措辞分派到不同接口的那段 switch-case那是第一个适合换成带工具代理的点改动面小、收益立竿见影。【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/9 16:09:05 · 阅读 1.2k LangChain.js 智能代理实战指南：快速搭建能调用工具的 AI 应用
LangChain.js 智能代理实战指南快速搭建能调用工具的 AI 应用【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs当你想让 AI 不只是聊天还要查数据、调接口、记住多轮上下文时LangChain.js 的智能代理Agent能力能帮你用极少的配置把这些环节串成一条能跑的流程。今天我们不讲概念直接以实践者的角度一起看看它到底怎么把模型变成会干活的智能代理。一句话它替你解决了什么它替你省掉模型和外部世界之间的所有胶水代码——你声明好模型和工具它负责让模型自己决定何时调用什么工具、按什么参数调用再把结果喂回给模型继续推理。你只需要关注业务规则不用手写轮询、解析和重试。三步把 LangChain.js 装进项目上手路径很短核心改动就两处装包在 Node.js20.x 及以上项目里执行npm install -S langchain再按你用的模型装一个 provider 包比如 OpenAI 对应langchain/openai仓库里 libs/providers/ 目录下可以看到全部支持的 provider 包Anthropic、Google、Ollama、Groq 等都在其中。配模型在代码里用一个 Chat 模型实例指定 provider 和模型名这一步就是配置驱动的全部——换一个模型通常只是换一行实例化。建代理用主包导出的createAgent把模型和工具列表交给它就能invoke发消息。没有链式调用样板没有初始化仪式。它能替你完成的四件事让模型用上实时数据连接外部数据源大模型训练截止后的世界它一无所知。LangChain.js 把向量库、检索器、HTTP 接口、数据库等接成统一的数据源接口模型在推理过程中可以主动去查。下面这张图就是一个典型的场景搜索结果页这类实时信息正是模型自己够不着、必须由框架帮它取回来的东西。让模型记得上文会话内存与状态管理多轮对话里它指谁、上次是哪次靠的是状态。createAgent支持挂一个 store如InMemoryStore工具读写它模型就能跨会话引用之前存下的信息——记忆不再是一段段字符串拼接而是结构化的键值存取。让模型输出可控工具调用与结构化结果用 zod schema 给每个工具声明参数结构模型给出的调用参数会先过校验再执行脏参数进不了你的业务函数。最终答复也可以声明responseFormat让代理直接返回符合 schema 的结构化对象而不是让你再去正则解析一段自然语言。换模型不用改业务代码多模型互操作所有 provider 的 Chat 模型都实现同一套接口你在业务层写的工具、提示、流程与具体模型解耦。今天用 GPT-4o 验证逻辑明天换 Claude 或 Gemini 压成本业务代码基本不动——这在模型迭代飞快的阶段是很实在的保险。完整走读一个带记忆的工具代理以仓库里的 examples/src/createAgent/tools.ts 为例把它拆开看就是输入 → 处理 → 输出三步输入第一次调用agent.invoke消息是一句自然语言Save the following user: userid: abc123, name: Foo, age: 25, email: foolangchain.dev。处理代理把这句话解析为对saveUserInfo工具的调用参数经 zod 校验后写入挂着的InMemoryStore工具返回 Successfully saved user info.。输出另起一次invoke模拟新会话问 Get user info for user with id abc123模型这次选择调用getUserInfo从 store 里读回数据最终消息输出姓名、年龄、邮箱的结构化摘要。整个过程你没写任何如果用户说保存就写库的分支——路由决策是模型做的你只提供工具和存储。这就是智能代理和普通模型 if 判断脚本的分界线。进阶与避坑两个容易踩的地方分清 langchain 和 langchain-classic仓库里同时存在 libs/langchain/ 和 libs/langchain-classic/。新版createAgent、中间件middleware等代理 API 在主包里chains、memory、classic prompts 那套传统写法在 langchain-classic 里示例集中在 examples/src/langchain-classic/。网上大量旧教程的代码是 classic 版本和新代理 API 的导入路径不通用照抄会拿到不存在的导出。新代码建议直接走主包。注意 zod 版本对齐工具 schema 全部基于 zod仓库专门有 environment_tests/test-zod-compat/ 目录分别验证 zod v3、v4 以及版本不匹配的场景。如果你的项目里已有别的库锁定了 zod 版本安装前先确认版本是否落在 provider 包的兼容范围内否则类型校验会在运行时悄悄失效。生态与延伸阅读想动手跑代码仓库自带一套可直接执行的示例examples/src/createAgent/ 下有工具调用、中间件限流、摘要、人工介入、多智能体handoffs、supervisor等几十个小而完整的案例每个文件独立成篇比长文档更适合边读边改。另外两处值得翻一翻internal/standard-tests/ 展示了官方如何给 LLM 集成写标准化测试对你评估某个模型接入是否靠谱很有参考价值internal/model-profiles/ 则是一套模型特性档案工具帮你判断某个模型到底支不支持工具调用、流式等能力。如果想拿到完整源码在本地跑可以克隆仓库git clone https://gitcode.com/GitHub_Trending/la/langchainjs落地建议从哪一步开始如果你是初学者先别碰 RAG 和多智能体从 examples/src/createAgent/tools.ts 这个最简工具代理跑通起把一个工具、一次存储、两次 invoke完整复现一遍代理的循环机制你就理解了。如果你已有项目要接入优先评估你现有系统里哪些固定流程其实是决策流程——比如需要根据用户措辞分派到不同接口的那段 switch-case那是第一个适合换成带工具代理的点改动面小、收益立竿见影。【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考