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

pip install -r requirements.txt

2. 配置环境变量

# 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

# 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

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：

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：

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

# 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：

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！