LangChain 是开发基于LLM大模型的完全自定义智能体和应用程序的简单方法。 只需不到10行代码，您就可以对接到OpenAI、Anthropic、Google等模型或更多。 LangChain 提供了构建好的智能体框架和模型集成方案，帮助您快速、无缝地将 LLM 整合到您的智能体和应用程序中。
LangChain & LangGraph & Deep Agents如果您想构建智能体，我们建议您从 Deep Agents 开始，因为它已具备”动力装置”，具备了现代化的功能，如自动压缩长对话、虚拟文件系统和用于管理和隔离上下文的子智能体扩展。Deep Agents 基于 LangChain 智能体而实现。如果您不需要这些功能或想定制自己的智能体和应用程序，请从 LangChain 开始。当您有更高级别的需求，比如确定性的工作流、智能性工作流、或更重的定制化，请使用 LangGraph，这是更底层的智能体编排框架和运行时环境。
LangChain 智能体 构建在 LangGraph 之上，能够提供持续执行、流式传输、人工中断、持久化等功能。对于基本的 LangChain 智能体使用，您根本不需要了解 LangGraph。 如果您想快速构建智能体和具备主动意识的应用程序，我们建议您使用 LangChain。

​
创建智能体

# pip install -qU langchain "langchain[anthropic]"
from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="anthropic:claude-sonnet-4-6",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

# 智能体调用
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)
请参阅安装说明和快速入门指南开始使用 LangChain 构建您自己的智能体和应用程序。
使用 LangSmith 进行跟踪请求、调试智能体行为和评估输出。设置 LANGSMITH_TRACING=true 和您的 API KEY 即可开始。

​
核心优势

模型接口标准化

不同的模型供应商具备不同的模型API，响应格式也不尽相同。LangChain 将与模型的交互进行了统一化、标准化，以便您可以无缝地切换模型供应商而避免锁死。

易于使用、高度灵活的智能体

LangChain 智能体的抽象设计秉持易于上手的理念，让您用不到 10 行代码构建一个简单的智能体。但它也提供了足够的灵活性，允许您进行所有您想要的上下文工程。
/images/brand/langgraph-icon.png

以 LangGraph 为基石

LangChain 智能体构建在 LangGraph 之上。这使我们能够使用 LangGraph 的持续执行、人工中断支持、持久化等功能。
/images/brand/observability-icon-dark.png

使用 LangSmith 调试

通过可视化工具深入了解复杂的智能体行为，同时这些工具能够跟踪执行路径、捕获状态转换并提供详细的运行时指标。
在 GitHub 上编辑此页面或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等，获取实时答案。