# LangChain + LangGraph Scaffolding

一个使用 LangChain 和 LangGraph 构建的 AI 应用脚手架项目，提供模块化的代理和工作流管理。

## 特性

- 🚀 **模块化架构**: 基于代理和工作流的模块化设计
- 🔧 **工具集成**: 支持自定义工具和函数调用
- 💬 **多轮对话**: 内置对话状态管理和上下文维护
- 📊 **工作流管理**: 多种工作流类型，支持会话和工具使用
- ⚙️ **配置管理**: 统一的环境变量和配置管理
- 🧪 **测试支持**: 包含基础测试和示例代码

## 项目结构

```
more_dots/
├── agents/                 # 代理模块
│   ├── base_agent.py       # 基础代理类
│   ├── conversation_agent.py # 对话代理
│   └── tool_agent.py       # 工具使用代理
├── tools/                  # 工具模块
│   ├── calculator.py       # 计算器工具
│   └── web_search.py       # 网络搜索工具（占位符）
├── workflows/              # 工作流管理
│   └── workflow_manager.py # 工作流管理器
├── examples/               # 使用示例
│   └── basic_usage.py     # 基础用法示例
├── tests/                  # 测试文件
│   └── test_basic.py      # 基础测试
├── config.py              # 配置文件
├── requirements.txt       # 依赖包列表
├── .env.example          # 环境变量示例
├── main.py               # 主程序入口
└── README.md             # 项目说明
```

## 快速开始

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 配置环境变量

```bash
# 复制环境变量文件
cp .env.example .env

# 编辑 .env 文件，设置你的 OpenAI API 密钥
OPENAI_API_KEY=your_openai_api_key_here
```

### 3. 运行示例

```bash
# 运行基础示例
python examples/basic_usage.py

# 运行交互式 CLI
python main.py
```

## 使用指南

### 基础用法

```python
from workflows.workflow_manager import WorkflowManager, WorkflowType

# 创建工作流管理器
manager = WorkflowManager()

# 使用对话工作流
result = manager.execute_workflow(
    WorkflowType.CONVERSATION,
    "Hello! How can you help me?"
)

# 使用工具工作流
result = manager.execute_workflow(
    WorkflowType.TOOL_USING,
    "Calculate 15 * 3 + 7"
)
```

### 自定义工具

创建新的工具类：

```python
from langchain_core.tools import BaseTool

class CustomTool(BaseTool):
    name = "custom_tool"
    description = "A custom tool for specific tasks"
    
    def _run(self, input: str) -> str:
        # 实现工具逻辑
        return f"Processed: {input}"
```

### 扩展代理

创建新的代理类型：

```python
from agents.base_agent import BaseAgent

class CustomAgent(BaseAgent):
    def _build_graph(self):
        # 实现自定义图结构
        pass
    
    def _custom_node(self, state):
        # 自定义节点逻辑
        return state
```

## 工作流类型

| 工作流类型 | 描述 | 适用场景 |
|-----------|------|----------|
| `conversation` | 多轮对话代理 | 聊天机器人、客服系统 |
| `tool_using` | 工具使用代理 | 任务执行、数据分析 |

## 开发指南

### 添加新功能

1. **新工具**: 在 `tools/` 目录下创建新的工具类
2. **新代理**: 在 `agents/` 目录下继承 `BaseAgent` 类
3. **新工作流**: 在 `workflows/` 目录下扩展工作流管理器

### 测试

```bash
# 运行所有测试
python -m pytest tests/

# 运行特定测试
python -m pytest tests/test_basic.py
```

### 调试

项目使用标准的 Python 日志系统，可以通过设置环境变量启用调试模式：

```python
import logging
logging.basicConfig(level=logging.DEBUG)
```

## 依赖项

主要依赖包：

- `langchain-core`: LangChain 核心功能
- `langchain`: LangChain 主包
- `langgraph`: LangGraph 图工作流
- `langchain-openai`: OpenAI 集成
- `python-dotenv`: 环境变量管理
- `pydantic`: 数据验证

## 许可证

MIT License

## 贡献

欢迎提交 Issue 和 Pull Request 来改进这个项目！