langgraph简单Demo3（画一个简单的图）

画图

from langgraph.graph import StateGraph, END
from typing import TypedDict

# 定义状态结构
# (刚入门可能不理解这是什么，可以理解为一个自定义的变量库，你的所有的入参出参都可以定义在这里)
# 如下：input和response就是2个自定义的字符串变量
class AgentState(TypedDict) :
    input: str
    response: str

# 创建代理节点
def agent_node(state: AgentState) :
    return {"response":f"手工输入{state['input']}"}

# 创建工具节点
def tool_node(state: AgentState) :
    return {"response":f"执行工具{state['response']}"}

# 构建流程图
workflow = StateGraph(AgentState)

# 添加节点
workflow.add_node("agent", agent_node)
workflow.add_node("tool", tool_node)

# 添加边
workflow.set_entry_point("agent")
workflow.add_edge("agent","tool")
workflow.add_edge("tool", END)

# 编译，生成图
graph = workflow.compile()

# 执行
result = graph.invoke({"input":"你是谁啊！！！"})

# 打印执行结果
print(f"result.input:{result['input']}")
print(f"result.response:{result['response']}")
print(f"result:{result}")

执行效果如下：

简单解析

上面基本每个地方都有注释，这里不介绍代码了。

介绍下结果为什么是这样？

我们画的图如下

START → [agent] → [tool] → END

其中START和 END是系统节点，agent和tool是我们的自定义节点。系统节点没有操作，只代表状态。所以我们重点看2个自定义节点。

[agent]

执行该节点之前：
input:你是谁啊！！！
response:

代码先走到agent节点，agent节点重新定义了response的值

"response":f"手工输入{state['input']}"

response拼接input后值为“手工输入你是谁啊！！！”

[tool]

在上面agent节点操作之后，此时
input:你是谁啊！！！
response:手工输入你是谁啊！！！

tool节点的操作为：

"response":f"执行工具{state['response']}"

在原response的基础上又拼接了“执行工具”，所以response最终结果为：执行工具手工输入你是谁啊！！！

再贴结果图

再看到这个结果图，就知道response为什么是这样了吧

---

还有一个点需要说明一下：最终返回值是 AgentState 类型字典中 所有累积的键值对 。