LangGraph构建多智能体旅行系统：架构设计与实现

1. 项目概述：用LangGraph构建多智能体旅行系统

在当今AI技术快速发展的背景下，传统单体AI系统在处理复杂任务时逐渐暴露出局限性。特别是在旅行规划这类需要多领域协作的场景中，单一AI模型往往难以兼顾专业性和灵活性。本文介绍如何使用LangGraph框架构建一个可中断、可委派的多智能体旅行系统，通过专业分工和权限控制机制，实现更高效、更安全的旅行服务自动化。

这个系统的核心价值在于：

• 将复杂旅行任务拆解为多个专业子任务（航班、酒店、租车等）
• 每个子任务由专门的智能体负责处理
• 通过状态管理机制实现上下文保存与切换
• 敏感操作采用中断-授权流程确保安全性

2. 系统架构设计

2.1 整体架构

系统采用分层设计，主要包含以下组件：

1. 主智能体：负责任务调度和全局控制
2. 子智能体：包括航班助手、酒店助手、租车助手等专业模块
3. 状态管理器：维护对话历史、用户信息和当前执行状态
4. 工具网关：管理安全工具和敏感工具的调用权限

2.2 状态管理设计

系统的核心是状态管理机制，主要包含以下数据结构：

python复制class TravelState(TypedDict):
    messages: List[Any]  # 对话历史
    user_info: UserInfo  # 用户偏好和个人信息
    agent_stack: List[str]  # 当前执行的智能体栈
    pending_action: Optional[Dict[str, Any]]  # 待授权的敏感操作

其中agent_stack是实现智能体切换的关键，它记录了当前执行路径，确保在子智能体完成任务后能正确返回上级上下文。

3. 核心功能实现

3.1 智能体分工与协作

3.1.1 主智能体设计

主智能体作为系统的调度中心，主要职责包括：

• 识别用户意图并路由到合适的子智能体
• 处理简单的通用性问题
• 协调跨领域的复杂任务

其核心逻辑如下：

python复制def main_assistant(state: TravelState) -> TravelState:
    llm = make_llm().bind_tools(ROUTING_TOOLS)
    sys_msg = SystemMessage(content="你是旅行规划系统的主助手...")
    msgs = [sys_msg] + state["messages"]
    out = llm.invoke(msgs)
    return {**state, "messages": state["messages"] + [out]}

3.1.2 子智能体设计

以航班助手为例，其设计特点包括：

• 专注于航班相关操作
• 只绑定必要的工具集
• 明确区分安全操作和敏感操作

python复制def flight_assistant(state: TravelState) -> TravelState:
    llm = make_llm().bind_tools([*SAFE_TOOLS, *SENSITIVE_TOOLS, CompleteOrEscalate])
    sys_msg = SystemMessage(content="你是航班助手...")
    out = llm.invoke([sys_msg] + state["messages"])
    
    # 拦截敏感操作并转为待授权状态
    if hasattr(out, "tool_calls"):
        for tc in out.tool_calls:
            if tc["name"] in {"update_ticket"}:
                return {
                    **state,
                    "messages": state["messages"] + [out],
                    "pending_action": {
                        "tool": tc["name"],
                        "args": tc["args"],
                        "tool_call_id": tc["id"],
                    },
                }
    return {**state, "messages": state["messages"] + [out]}

3.2 权限控制机制

3.2.1 工具分类

系统将工具分为两类：

1. 安全工具：只读操作，可自动执行

   • search_flights：查询航班信息
   • search_hotels：查询酒店信息

2. 敏感工具：修改操作，需用户授权

   • cancel_hotel：取消酒店预订
   • update_ticket：改签机票

3.2.2 中断-授权流程

敏感工具的执行流程如下：

1. 子智能体识别需要执行敏感操作
2. 将操作详情存入pending_action
3. 系统中断当前流程，向用户展示操作详情
4. 用户确认后继续执行，或拒绝后取消操作

关键实现代码：

python复制def sensitive_tool_gateway(state: TravelState) -> TravelState:
    pending = state.get("pending_action")
    if not pending:
        return state
        
    # 触发中断，等待用户确认
    decision = interrupt({
        "type": "approval_required",
        "title": "需要确认敏感操作",
        "action": pending,
        "prompt": "请回复：确认 / 取消",
    })
    
    if decision.get("approved"):
        # 执行工具
        tool_name = pending["tool"]
        args = pending["args"]
        if tool_name == "cancel_hotel":
            result = cancel_hotel.invoke(args)
        elif tool_name == "update_ticket":
            result = update_ticket.invoke(args)
            
        return {
            **state,
            "pending_action": None,
            "messages": state["messages"] + [
                ToolMessage(content=str(result), tool_call_id=pending["tool_call_id"])
            ],
        }
    else:
        # 用户拒绝，返回上级
        stack = state["agent_stack"]
        if len(stack) > 1:
            stack.pop()
        return {
            **state,
            "pending_action": None,
            "agent_stack": stack,
            "messages": state["messages"] + [
                AIMessage(content="好的，我不会执行该操作。我们回到主流程继续。")
            ],
        }

4. 系统工作流程

4.1 正常任务流程

1. 用户发起请求（如"帮我改签航班"）
2. 主智能体识别意图，委派给航班助手
3. 航班助手查询相关信息，准备执行改签
4. 系统中断流程，请求用户确认改签操作
5. 用户确认后完成改签，返回主智能体

4.2 异常处理流程

1. 工具执行失败（如酒店已过取消时间）
2. 子智能体通过CompleteOrEscalate工具上报问题
3. 系统返回主智能体，由主智能体协调解决方案
4. 主智能体根据情况提供替代方案或联系人工客服

5. 扩展性设计

系统采用模块化设计，新增功能只需：

1. 定义新的子智能体及其工具集
2. 在主智能体中添加路由逻辑
3. 更新状态类型定义（如需要新字段）

例如添加签证助手：

python复制# 新增工具
@tool
def check_visa_requirements(country: str) -> Dict[str, Any]:
    """查询签证要求"""
    return {"country": country, "requirements": [...]}

# 新增路由工具
@tool
def ToVisaAssistant() -> str:
    """委派到签证助手"""
    return "route:visa"

# 更新状态类型
class TravelState(TypedDict):
    # ...原有字段...
    agent_stack: List[Literal["main", "flights", "hotels", "cars", "visa"]]

6. 部署与运行

6.1 环境准备

bash复制pip install langgraph langchain-core langchain-openai
export OPENAI_API_KEY=你的key

6.2 启动系统

python复制python multi_agent_travel.py

6.3 交互示例

code复制你：帮我查一下长沙到北京，2026-01-10的航班
助手：找到以下航班选项...
你：把我的机票改签到NH008
[系统中断] 需要确认敏感操作
待执行：update_ticket args={'ticket_id': '123', 'new_flight_no': 'NH008'}
确认执行？(确认/取消)：确认
助手：改签成功，新航班NH008...

7. 性能优化建议

1. 上下文管理：合理控制对话历史长度，避免token消耗过大
2. 工具设计：每个子智能体只绑定必要的工具，减少模型混淆可能性
3. 缓存策略：对频繁查询的结果进行缓存，降低API调用成本
4. 错误处理：为常见错误场景预设处理方案，提升用户体验

8. 常见问题排查

8.1 智能体无法正确路由

可能原因：

• 路由工具未正确定义
• 主智能体的prompt未明确说明委派逻辑

解决方案：

• 检查ROUTING_TOOLS是否包含所有子智能体的路由工具
• 完善主智能体的系统提示，强调委派职责

8.2 敏感操作未触发中断

可能原因：

• 子智能体直接调用了敏感工具
• pending_action机制未正确实现

解决方案：

• 确保子智能体的prompt明确要求敏感操作必须通过授权流程
• 检查sensitive_tool_gateway的实现逻辑

8.3 上下文丢失

可能原因：

• agent_stack未正确维护
• 状态在智能体切换时被意外修改

解决方案：

• 在每次智能体切换时仔细检查栈操作
• 实现状态变更的日志记录，便于追踪问题

9. 进阶开发方向

1. 多模态交互：集成语音、图像等多模态输入输出
2. 个性化推荐：基于用户历史行为优化推荐策略
3. 实时协作：支持多用户协同规划旅行
4. 离线功能：实现部分功能的离线运行能力

这套多智能体旅行系统展示了LangGraph在复杂任务编排中的强大能力。通过专业分工和权限控制的设计，既提升了自动化效率，又保障了系统安全性。这种架构模式可以扩展到各种需要多领域协作的场景，如电商客服、医疗咨询等。