LangGraph实战：构建智能计算器工作流

1. LangGraph快速入门：构建计算器智能体实战

最近在探索LangChain生态时，发现其官方推出的LangGraph库为构建复杂智能体工作流提供了优雅的解决方案。今天就用一个计算器智能体的案例，带大家快速上手这个强大的图编程工具。不同于传统的链式调用，LangGraph允许我们以状态机的方式设计智能体行为，特别适合需要多轮交互的场景。

这个计算器智能体能做什么？它不仅能理解自然语言指令（比如"3加4等于多少"），还能自动选择正确的计算工具（加法、乘法或除法），执行运算并返回结果。整个过程完全自动化，无需手动指定使用哪个计算函数。下面我会从环境配置开始，逐步拆解每个关键环节的实现逻辑。

2. 环境准备与基础配置

2.1 安装LangGraph库

首先确保你的Python环境版本≥3.8，然后执行安装命令：

bash复制pip install -U langgraph

这个命令会安装最新版的LangGraph及其依赖。建议使用虚拟环境管理依赖，避免与其他项目冲突。我习惯用conda创建独立环境：

bash复制conda create -n langgraph-demo python=3.10
conda activate langgraph-demo

注意：LangGraph是LangChain的扩展库，如果环境中已安装旧版langchain，建议先升级以避免兼容性问题：pip install -U langchain

2.2 模型与工具定义

我们选用Claude Sonnet 4.5作为基础模型，它在中型模型中表现出优秀的工具使用能力。同时定义三个基础计算工具：

python复制from langchain.tools import tool
from langchain.chat_models import init_chat_model

# 初始化模型（实际使用时替换为你的API密钥）
model = init_chat_model(
    "claude-sonnet-4-6",
    temperature=0  # 设为0确保确定性输出
)

# 乘法工具
@tool
def multiply(a: int, b: int) -> int:
    """Multiply two integers"""
    return a * b

# 加法工具  
@tool
def add(a: int, b: int) -> int:
    """Add two integers"""
    return a + b

# 除法工具
@tool 
def divide(a: int, b: int) -> float:
    """Divide two integers"""
    return a / b

# 工具集配置
tools = [add, multiply, divide]
tools_by_name =