上下文

代理要有效运行，通常需要的不仅仅是消息列表。它们需要**上下文**。

上下文包括任何在消息列表之外的数据，这些数据可以影响代理的行为或工具执行。这可能包括：

• 运行时传递的信息，如user_id或API凭据。
• 在多步推理过程中更新的内部状态。
• 来自先前交互的持久记忆或事实。

LangGraph提供了**三种**主要方式来提供上下文：

类型	描述	可变性？	生命周期
配置	在运行开始时传递的数据	❌	每次运行
状态	在执行期间可以更改的动态数据	✅	每次运行或对话
长期记忆（存储）	可在不同对话间共享的数据	✅	跨多个对话

您可以使用上下文来：

• 调整模型看到的系统提示
• 为工具提供必要的输入
• 在正在进行的对话中跟踪事实

提供运行时上下文

当您需要在运行时向代理注入数据时，请使用此功能。

配置（静态上下文）

配置用于不可变的数据，如用户元数据或API密钥。当您有那些在运行过程中不会改变的值时，请使用配置。

通过一个名为**"configurable"**的键来指定配置，该键专为此目的保留：

agent.invoke(
    {"messages": [{"role": "user", "content": "hi!"}]},
    # 下一行高亮
    config={"configurable": {"user_id": "user_123"}}
)

状态（可变上下文）

状态充当运行期间的短期记忆。它保存动态数据，这些数据可以在执行过程中演变，例如从工具或LLM输出中得出的值。

class CustomState(AgentState):
    # 下一行高亮
    user_name: str

agent = create_react_agent(
    # 其他代理参数...
    # 下一行高亮
    state_schema=CustomState,
)

agent.invoke({
    "messages": "hi!",
    "user_name": "Jane"
})

启用记忆

有关如何启用记忆的更多细节，请参阅记忆指南。这是一个强大的功能，允许您在多次调用之间持久化代理的状态。 否则，状态仅限于单个代理运行的范围。

长期记忆（跨会话上下文）

对于跨越多个对话或会话的上下文，LangGraph允许通过store访问**长期记忆**。这可以用来读取或更新持久化的事实（例如，用户资料、偏好、先前的交互）。更多信息请参阅记忆指南。

使用上下文自定义提示

提示定义了代理的行为方式。为了在运行时纳入上下文信息，您可以根据代理的状态或配置动态生成提示。

常见用例：

• 个性化
• 角色或目标定制
• 条件行为（例如，用户是管理员）

使用配置使用状态

from langchain_core.messages import AnyMessage
from langchain_core.runnables import RunnableConfig
from langgraph.prebuilt import create_react_agent
from langgraph.prebuilt.chat_agent_executor import AgentState

def prompt(
    state: AgentState,
    # 高亮下一行
    config: RunnableConfig,
) -> list[AnyMessage]:
    # 高亮下一行
    user_name = config.get("configurable", {}).get("user_name")
    system_msg = f"您是一位乐于助人的助手。用户的姓名是 {user_name}"
    return [{"role": "system", "content": system_msg}] + state["messages"]

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_weather],
    # 高亮下一行
    prompt=prompt
)

agent.invoke(
    ...,
    # 高亮下一行
    config={"configurable": {"user_name": "John Smith"}}
)

from langchain_core.messages import AnyMessage
from langchain_core.runnables import RunnableConfig
from langgraph.prebuilt import create_react_agent
from langgraph.prebuilt.chat_agent_executor import AgentState

class CustomState(AgentState):
    # 高亮下一行
    user_name: str

def prompt(
    # 高亮下一行
    state: CustomState
) -> list[AnyMessage]:
    # 高亮下一行
    user_name = state["user_name"]
    system_msg = f"您是一位乐于助人的助手。用户的姓名是 {user_name}"
    return [{"role": "system", "content": system_msg}] + state["messages"]

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[...],
    # 高亮下一行
    state_schema=CustomState,
    # 高亮下一行
    prompt=prompt
)

agent.invoke({
    "messages": "hi!",
    # 高亮下一行
    "user_name": "John Smith"
})

工具

工具可以通过特殊的参数**注解**访问上下文。

• 使用 RunnableConfig 访问配置
• 使用 Annotated[StateSchema, InjectedState] 访问代理状态

提示

这些注解可以防止LLM尝试填充这些值。这些参数将被**隐藏**，不会显示给LLM。

使用配置使用状态

def get_user_info(
    # 高亮下一行
    config: RunnableConfig,
) -> str:
    """查找用户信息。"""
    # 高亮下一行
    user_id = config.get("configurable", {}).get("user_id")
    return "User is John Smith" if user_id == "user_123" else "Unknown user"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_user_info],
)

agent.invoke(
    {"messages": [{"role": "user", "content": "look up user information"}]},
    # 高亮下一行
    config={"configurable": {"user_id": "user_123"}}
)

from typing import Annotated
from langgraph.prebuilt import InjectedState

class CustomState(AgentState):
    # 高亮下一行
    user_id: str

def get_user_info(
    # 高亮下一行
    state: Annotated[CustomState, InjectedState]
) -> str:
    """查找用户信息。"""
    # 高亮下一行
    user_id = state["user_id"]
    return "User is John Smith" if user_id == "user_123" else "Unknown user"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_user_info],
    # 高亮下一行
    state_schema=CustomState,
)

agent.invoke({
    "messages": "look up user information",
    # 高亮下一行
    "user_id": "user_123"
})

工具更新上下文

工具可以在执行过程中修改代理的状态。这有助于持久化中间结果或将信息提供给后续工具或提示。

API Reference: InjectedToolCallId | ToolMessage | InjectedState | Command

from typing import Annotated
from langchain_core.tools import InjectedToolCallId
from langchain_core.messages import ToolMessage
from langgraph.prebuilt import InjectedState
from langgraph.types import Command

class CustomState(AgentState):
    # 高亮下一行
    user_name: str

def get_user_info(
    # 高亮下一行
    tool_call_id: Annotated[str, InjectedToolCallId],
    # 高亮下一行
    config: RunnableConfig
) -> Command:
    """查询用户信息。"""
    # 高亮下一行
    user_id = config.get("configurable", {}).get("user_id")
    name = "John Smith" if user_id == "user_123" else "Unknown user"
    return Command(update={
        # 高亮下一行
        "user_name": name,
        # 更新消息历史记录
        # 高亮下一行
        "messages": [
            ToolMessage(
                "成功查询到用户信息",
                # 高亮下一行
                tool_call_id=tool_call_id
            )
        ]
    })

def greet(
    # 高亮下一行
    state: Annotated[CustomState, InjectedState]
) -> str:
    """使用此函数在找到用户信息后向其打招呼。"""
    user_name = state["user_name"]
    return f"Hello {user_name}!"

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_user_info, greet],
    # 高亮下一行
    state_schema=CustomState
)

agent.invoke(
    {"messages": [{"role": "user", "content": "greet the user"}]},
    # 高亮下一行
    config={"configurable": {"user_id": "user_123"}}
)

更多详情，请参阅如何从工具更新状态。

Comments