1. 理解LangGraph中的条件边与循环控制
在构建复杂的AI工作流时,我们经常需要让Agent能够根据当前状态自主决定下一步行动。LangGraph提供的条件边(conditional edges)机制正是为此而生。这个功能相当于给工作流添加了"决策树"能力,让Agent不再只是机械地执行固定流程。
1.1 条件边的基本组成
条件边由两个核心部分组成:
-
路由函数(Router Function):这是一个纯Python函数,负责根据当前状态决定下一步走向。它必须满足以下要求:
- 接收当前状态(state)作为唯一参数
- 返回一个字符串,表示下一个要跳转的节点名称
- 通常配合
Literal类型提示来限定返回值范围
-
条件边注册:通过
add_conditional_edges方法将路由函数与特定节点关联起来,形成动态跳转逻辑。
python复制from typing import Literal
def router_function(state: AgentState) -> Literal["node1", "node2", "__end__"]:
# 决策逻辑
if some_condition(state):
return "node1"
else:
return "__end__"
1.2 循环控制的实现原理
循环本质上是一种特殊的条件边,当路由函数返回当前节点名称时,就会形成循环。要实现可控循环,通常需要在状态(state)中维护一个计数器:
python复制class AgentState(TypedDict):
messages: list
iterations: int # 循环计数器
路由函数通过检查这个计数器来决定是否继续循环:
python复制def should_continue(state: AgentState) -> Literal["agent", "__end__"]:
if state["iterations"] >= MAX_ITERATIONS:
return "__end__"
return "agent" # 返回自身节点名称形成循环
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 实战:构建带循环限制的Agent工作流
2.1 环境准备与初始化
首先确保已安装必要依赖:
bash复制pip install langgraph langchain-openai python-dotenv
然后创建.env文件配置API密钥:
ini复制DEEPSEEK_API_KEY=your_api_key_here
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
2.2 定义状态结构
使用TypedDict明确定义状态结构,这是LangGraph的最佳实践:
python复制from typing im
