LangGraph 是由 LangChain 团队开发的开源 Agent 框架。它功能强大，尤其是 v1.0 之后，框架能力全面升级。v1.0 是开发团队承诺的稳定版，预计未来接口不会大改，因此现在正是学习它的好时机。
根据 PyPI 的记录，
LangGraph 1.0.0发布于 2025 年 10 月 18 日。距今不过一个多月。当今市面上的代码大多基于v0.6，本教程希望弥合这一差距。
1）LangGraph 的优势
LangGraph 很强大。你要的记忆、MCP、护栏、状态管理、多智能体 ...... 它全都有。智能体承接的需求极为复杂，容易造成框架代码膨胀、复杂度失控等问题。LangGraph 1.0 是如何解决这个问题的呢？它引入了 中间件（Middleware）这个新特性。中间件是一种钩子函数。通过向工作流中预埋中间件，能够实现工作流的高效拓展和可定制化。
2）本教程的优势
那你会说了，有官方文档还看你干嘛？
但是本教程是一款基于 Jupyter Notebook 的可交互教程，每个章节均可独立运行。而官方文档大多数时候只提供核心的代码片段，不能直接运行。也就是说，官方文档注重概念讲解，而本教程更关注具体实践。
承诺：本教程完全基于
LangGraph v1.0编写，不含任何v0.6的历史残留。
一、章节目录¶
本教程的内容速览：
| 序号 | 章节 | 主要内容 |
|---|---|---|
| 1 | 快速入门 | 创建你的第一个 ReAct Agent |
| 2 | 状态图 | 使用 StateGraph 创建工作流 |
| 3 | 中间件 | 使用自定义中间件实现四个功能：预算控制、消息截断、敏感词过滤、PII 检测 |
| 4 | 人机交互 | 使用内置的 HITL 中间件实现人机交互 |
| 5 | 记忆 | 创建短期记忆、长期记忆 |
| 6 | 上下文工程 | 使用 State、Store、Runtime 管理上下文 |
| 7 | MCP Server | 创建 MCP Server 并接入 LangGraph |
| 8 | 监督者模式 | 两种方法实现监督者模式：tool-calling、langgraph-supervisor |
| 9 | 并行 | 如何实现并发：节点并发、@task 装饰器、Map-reduce、Sub-graphs |
| 10 | RAG | 三种方式实现 RAG：向量检索、关键词检索、混合检索 |
| 11 | 网络搜索 | 实现联网搜索：DashScope、Tavily 和 DDGS |
| 12 | Deep Agents | 简单介绍 Deep Agents |
| 13 | Gradio APP | 基于 Gradio 开发流式对话智能体应用 |
| 14 | 附录：调试页面 | 介绍 langgraph-cli 提供的调试页面 |
二、调试页面¶
langgraph-cli 提供了一个可快速启动的调试页面。
langgraph dev详见：附录
三、延伸阅读¶
✨ 如果你觉得这个项目对你有帮助，欢迎 Star 本仓库：luochang212