本项目包含了《LangGraph AI智能体开发实战》一书的所有配套代码。为方便读者学习与运行，所有代码均按章节进行组织。除了第1章和第13章以理论为主没有代码外，其他章节的实战代码均存放在对应的文件夹当中。

书籍简介

《LangGraph AI智能体开发实战》系统性地介绍了 AI Agent 开发的核心原理与前沿的工程实践。全书内容主要涵盖以下几个核心模块：

1. Agent核心底座：从大语言模型的基础能力出发，深入探讨认知架构中的规划(Planning)、记忆(Memory)与工具使用(Tool Use)等核心组件及演进路线。
2. 框架技术深度剖析：详细讲解 LangGraph 这一专为复杂 Agent 编排设计的图架构框架。通过状态机与计算图的设计理念，实现了可控性强、支持流式传输与“人机协作”(Human-in-the-loop)的智能体流水线。
3. 多智能体与高阶控制：全面涵盖如何利用 LangSmith 调试系统，同时探讨多智能体(Multi-agent)的网络化、监督者及层级协作架构。
4. 实战落地：通过三大核心项目——“行业调研专家”、“代码工程师”与“旅行规划师”，将理论融会贯通，带领读者完成从 Context Engineering 到 Harness Engineering 的思维与工程范式转换（本书在部分章节有提到关于harness的实践细节，但由于篇幅限制，没有完全展开，期待下一本书）。

书籍电子版封面 全书目录

章节代码与运行指南

本项目推荐使用 uv 作为包管理器与虚拟环境运行工具。运行各章节代码前，请确保在项目根目录已经安装并同步了依赖。

🌟 学习与运行提示： 本书各个章节的代码难度是由浅入深的递进关系。由于部分章节包含了更复杂的多智能体架构或特定的服务启动要求（如第4、6、8及实战项目章节），我们在对应的章节文件夹下专门放置了专属的 README.md 或其他辅助说明文档。

如果您在该章节运行时遇到疑惑，请优先查阅对应章节目录内的提示说明！

章节	核心主题	代码在做什么	运行示例（推荐在根目录或对应目录下执行）
第2章	认知架构核心原理	演示了智能体的感知、规划、记忆和行动四个维度，实现了基础的思维链(CoT)、工具调用、人工介入机制及多维度智能体评估。	uv run chapter2/chapter2_cognitive_architecture.py
第3章	主流Agent框架	基于业界核心论文，零基础徒手实现了 ReAct、Reflexion（自我反思）以及 Plan-and-Execute 等主流智能体架构模型。	uv run chapter3/chapter3_react_agent.py
第4章	FastMCP工具生态	实现模型上下文协议(MCP)，演示了如何快速构建 FastMCP 客户端和服务器端，进行无缝的跨系统工具接入与交互。	进入 chapter4_fastmcp 后阅读目录内的配套指南运行服务端。
第5章	LangGraph基础	提供 Hello LangGraph 入门体验，构建基础的节点(Node)、边(Edge)与条件路由，完成第一个简单的循环问答交互图。	uv run chapter5_hellolangraph/chapter5_hello_langgraph.py
第6章	记忆与流式传输	展示 Thread 和 Checkpoint 持久化记忆机制、记忆裁剪(Trim)与摘要打包操作，以及多种流式传输(Streaming)的深度实现。	uv run chapter6/01_persistence_basic.py
第7章	控制流与人在环路	演示高阶架构技巧：包括子图(Subgraphs)调度、时间旅行(Time Travel)断点调试、人工审批机制与 Functional API 高级操作。	uv run chapter7/7_1_human_in_loop_basic.py
第8章	调试与可视化集成	演示如何将系统接入 LangSmith 进行全链路 Tracing，以及结合 LangGraph Studio 进行可视化观测和运行监控。	uv run chapter8/8_1_langsmith_tracing_basic.py
第9章	多智能体架构设计	演示了多智能体协作的核心范式：包括直连网络化、Supervisor监督者模式、层级架构以及使用自定义工作流完成智能体交接(Handoff)。	uv run chapter9/03_supervisor_architecture.py
第10章	深度调研系统实战	实现“行业研究专家”，通过研究员、审稿人架构协作完成深度长篇报告的检索、撰写、审查和递归修订。	cd chapter10 && uv run main.py
第11章	代码开发工具实战	实现“代码工程师”，包含自动化的代码生成、安全测试、错误捕获与修复回环，同时包含了图结构的可视化输出。	cd chapter11 && uv run test_all.py
第12章	复杂环境规划实战	构建“武汉旅行规划师”，结合本地 POI 知识库，利用动态状态管理与高频“人在环路”沟通，完成多轮对话式的复杂行程规划。	cd chapter12 && uv run main.py

快速开始

1. 环境准备与依赖安装

本项目推荐使用 uv 进行高效的依赖管理。在项目根目录下执行以下命令，即可秒级创建虚拟环境并安装所有相关依赖：

uv sync

2. 环境变量与大模型配置

本项目统一采用标准的 OpenAI 兼容接口规范 来调用大语言模型。只需提供兼容 OpenAI 的API格式，即可平滑切换几乎所有的主流与国产大模型（如 DeepSeek、Qwen、Kimi等）。

我们提供了一个包含完整配置说明的 .env.example 文件。请在项目根目录执行复制操作，将它重命名为 .env：

cp .env.example .env

并在 .env 中按需补充对应的配置信息：

# ==========================================
# 1. 大模型 API 配置（基于标准的 OpenAI 接口规范）
# ==========================================
# 默认采用标准的 OpenAI 兼容接口，兼容绝大多数国产/开源大模型。
# 例如使用 DeepSeek 时，BASE_URL 填 https://api.deepseek.com/v1，其余类推。
OPENAI_BASE_URL="你的模型API地址或兼容服务接口"
OPENAI_API_KEY="你的模型API密钥"
OPENAI_MODEL_NAME="模型名称（例如 deepseek-chat 或 qwen3.5-plus）"

# ==========================================
# 2. 第三方工具配置
# ==========================================
# 适用于需要调用地图能力等的演练项目（如第12章旅行规划师）
AMAP_API_KEY="你的高德地图 API Key"
AMAP_BASE_URL="https://restapi.amap.com/v3"

# ==========================================
# 3. MCP 协议配置（特定实战章节使用）
# ==========================================
# 适用于模型上下文协议(MCP)的演练项目（如第4章 MCP 客户端/服务端实战）
GAODE_API_KEY="你的高德 Web服务 API Key"

# ==========================================
# 4. LangSmith 监控配置（第8章及调试使用）
# ==========================================
# 只需取消注释并填写自己的秘钥即可启用完整链路观测。
# LANGSMITH_API_KEY="你的LangSmith密钥"

3. 运行代码

环境及密钥配置完成后，你就可以通过表格中提供的示例命令来运行具体的配套代码了。例如，想要体验一个基础的图结构，不妨输入：

uv run chapter5_hellolangraph/chapter5_hello_langgraph.py

如果你在运行中对任何概念或代码实现机制有疑惑，请随时回归书籍相关章节。代码中的系统注释也与书中内容做到了充分互补，祝你实践愉快！

出版计划

《LangGraph AI智能体开发实战》的实体书即将正式出版，敬请期待！

目前本书的核心配套代码与工程目录已全量开放。为回馈社区，在实体书籍正式出版发行后，我们将在此开源本书完整的电子版本。欢迎 Star 和持续关注本项目，与广大从业者共同推动 AI 智能体应用的工程落地！