LangChain Agent 运行时:State、Context 与 ToolRuntime
摘要围绕一次 Agent 执行,梳理 State、Context、RunnableConfig、Runtime 与 ToolRuntime 的职责和数据边界。
博客
记录 AI Agent 与软件开发中的实际问题,以及排查和解决过程。
第 4/5 页
摘要围绕一次 Agent 执行,梳理 State、Context、RunnableConfig、Runtime 与 ToolRuntime 的职责和数据边界。
摘要说明 Agent 上下文的来源,以及选择、裁剪、摘要和动态注入策略,并展示对应的 LangChain Middleware 实现。
摘要说明 LangChain Store 与 Checkpointer 的分工,以及 Namespace、Key、Value、语义搜索和跨会话记忆的实现方式。
摘要说明 Thread、State、Checkpoint 与 Checkpointer 如何在多轮调用中保存和恢复 LangChain Agent 状态。
摘要用 ToolRetryMiddleware、SummarizationMiddleware 与 HumanInTheLoopMiddleware 处理重试、长对话和人工审批。
摘要说明 LangChain Middleware 的生命周期与两类 Hook,并用模型选择、Prompt 注入和工具异常处理展示执行链控制方式。
摘要讲解 stream、astream 与 updates、messages、custom 三种模式,展示 Agent 步骤、模型 Token 和自定义进度。
摘要比较 LangChain 的 ProviderStrategy 与 ToolStrategy,并用 Schema 定义可验证、可编程的 LLM 输出。
摘要说明 LangChain Tool 的定义、调用机制与设计原则,以及模型决策和程序执行之间的职责边界。
摘要从 create_agent、invoke 与 stream 入手,说明 System、Human、AI、Tool 四种 Message 在模型和工具之间如何流转。
摘要从 create_agent 到 init_chat_model,说明 LangChain Agent 的运行循环、模型接入方式及 timeout、max_retries 等参数。
摘要用 Model、System Prompt、Tools、Agent Loop、State、Middleware 与 Structured Output 七个概念理解 LangChain Agent。