# langgraph_multi_agent

**Repository Path**: yaboliu/langgraph_multi_agent

## Basic Information

- **Project Name**: langgraph_multi_agent
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master-dev
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-05
- **Last Updated**: 2025-10-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🤖 LangGraph 多 Agent 协作系统

基于 **LangGraph** 构建的多 Agent 协作系统,包含 Supervisor 调度、数学 Agent 和诗歌 Agent。

## 📁 项目结构

```
langgraph_multi_agent/
├── .env                  # 环境变量
├── langgraph.json       # LangGraph 配置
├── workflow.py          # 核心 workflow
└── README.md           # 本文档
```

## 🔧 安装依赖

```bash
pip install langgraph langchain-openai python-dotenv
```

## ⚙️ 配置环境变量

创建 `.env` 文件并配置:

```env
LLM_MODEL=gemini-2.5-flash-preview-05-20
LLM_TEMPERATURE=0.3
OPENAI_API_KEY=your_api_key_here
OPENAI_API_BASE=https://x666.me/v1
LLM_MAX_TOKENS=65535
LANGGRAPH_PORT=2024
```

## 🚀 启动方式

### 方式 1: 直接测试 Workflow

```bash
python workflow.py
```

### 方式 2: 启动 LangGraph Server

```bash
langgraph dev --port 2024
```

服务将在 `http://localhost:2024` 启动

## 🌐 访问前端 UI

浏览器访问:
```
http://localhost:2024
```

## 📡 API 接口

### 1. 创建会话线程

```bash
curl -X POST http://localhost:2024/threads
```

返回:
```json
{
  "thread_id": "xxx-xxx-xxx"
}
```

### 2. 发送消息(流式返回)

```bash
curl -X POST http://localhost:2024/threads/{thread_id}/runs/stream \
  -H "Content-Type: application/json" \
  -d '{
    "assistant_id": "multi_agent",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": "计算 25 * 4"
        }
      ]
    },
    "stream_mode": "values"
  }'
```

### 3. 获取会话历史

```bash
curl http://localhost:2024/threads/{thread_id}/state
```

## 🎯 Agent 说明

### Supervisor (调度中心)
- 分析用户问题
- 选择最合适的 Agent 处理
- 支持多轮对话

### Math Agent (数学专家)
- 数学计算
- 解题推理
- 公式推导

### Poet Agent (诗人)
- 诗歌创作
- 文学表达
- 情感抒发

## 📊 工作流程

```
用户输入
   ↓
Supervisor (决策)
   ↓
Math Agent / Poet Agent (执行)
   ↓
Supervisor (检查是否完成)
   ↓
返回结果 / 继续循环
```

## 🧪 测试示例

### 数学问题

**输入**: "计算 123 * 456"

**流程**:
1. Supervisor → Math Agent
2. Math Agent 计算并返回结果
3. Supervisor → FINISH

### 诗歌创作

**输入**: "写一首关于春天的诗"

**流程**:
1. Supervisor → Poet Agent
2. Poet Agent 创作诗歌
3. Supervisor → FINISH

## 🔍 调试技巧

### 查看日志
```bash
langgraph dev --port 2024 --verbose
```

### 测试单个 Agent
```python
from workflow import graph
from langchain_core.messages import HumanMessage

result = graph.invoke({
    "messages": [HumanMessage(content="你的问题")],
    "next": ""
})
print(result["messages"][-1].content)
```

## 🛠️ 扩展方式

### 添加新 Agent

1. 在 `workflow.py` 中定义新的 agent 函数:

```python
def create_translator_agent(model: ChatOpenAI):
    system_prompt = "你是一个专业翻译..."
    
    def translator_node(state: State):
        messages = state["messages"]
        agent_messages = [SystemMessage(content=system_prompt)] + messages
        response = model.invoke(agent_messages)
        return {
            "messages": [response],
            "next": "supervisor"
        }
    
    return translator_node
```

2. 在 `create_workflow()` 中添加节点:

```python
workflow.add_node("translator_agent", create_translator_agent(model))
```

3. 更新 Supervisor 的可用专家列表

4. 更新路由函数

## 🐛 常见问题

### Q1: 端口被占用

```bash
# 使用其他端口
langgraph dev --port 8080
```

### Q2: API Key 无效

检查 `.env` 文件中的 `OPENAI_API_KEY` 是否正确

### Q3: 前端无法连接

确保:
1. LangGraph server 已启动
2. 端口号正确(默认 2024)
3. 浏览器访问 `http://localhost:2024`

## 📚 相关文档

- [LangGraph 官方文档](https://langchain-ai.github.io/langgraph/)
- [LangChain 文档](https://python.langchain.com/)
- [OpenAI API 文档](https://platform.openai.com/docs/)

## 📄 许可证

MIT License