已有约一周未更新内容，最近正集中精力钻研 LangChain V1.0 的全新生态，变化幅度确实不小。估计不少朋友只知道 LangChain 是构建智能体（Agent）的主流框架，在开发智能体时会断断续续用到它的部分组件，但从未系统了解过整体架构。今天借此机会，将 LangChain 生态体系从头至尾梳理一遍，帮助大家建立起更完整的认知。

LangChain 最初由哈里森·蔡斯（Harrison Chase）于 2022 年底创建，初衷非常简单——提供一层封装，让开发者能够更灵活地编写 Prompt，更顺畅地与大型语言模型交互。因此早期 PromptTemplate 这一概念极为流行。随着开发深入，团队发现操作大模型还需要诸多能力，于是逐步引入 Memory、LLMChain 等模块，最终 LangChain 成长为开源领域中最受欢迎的 LLM 应用开发框架，内含大量实用工具，获得了开发者群体的广泛好评。

社区生态蓬勃发展，资金充裕、热度高涨、贡献者众多，LangChain 生态日益丰富，框架的易用性也不断提升。从 2023 年 Q2 到年底，随着智能体概念逐步兴起及 AI 技术飞速发展，LangChain 紧跟趋势，新增了 Tools、Agent、Retrieval 等特性，并推出了 LangChain Hub 和 LangSmith（可理解为监控平台）。此时的 LangChain 已不再是一个单纯的框架，而是开始覆盖从开发到监控的完整链路。

此后，LangChain 成为全球最流行的 AI 应用层开发工具，发展速度进一步加快，进入高速增长期。2024 年至 2025 年上半年，团队陆续推出 LangGraph 和 LangServe，实现了多智能体图式状态管理以及服务化部署。这一里程碑标志着 LangChain 正式从“框架”升级为“生态”。

发展步伐并未停歇。三个月前（2025 年 8 月），LangChain 团队又发布了 Deep Agents。

截至目前，LangChain 生态主要由五大核心组件构成：LangChain、LangGraph、Deep Agents、LangServe、LangSmith。它们各自承担什么角色？彼此之间存在哪些区别与联系？下面展开详细说明。

1、LangChain：智能体系统的开发基石

LangChain 是整个生态的核心与起点，定位为“语言模型工程化框架”。它为开发者提供模型调用、Prompt 设计、逻辑链路编排、工具集成等基础能力，只需少量代码即可快速搭建 AI 应用或智能体，实用性强。为了让你有更直观的感知，这里列举几个关键特性。

第一，统一接口层，屏蔽了不同模型服务（如 OpenAI、Anthropic、Ollama 等）的差异，操作各类大模型时只需按统一参数传递，无需为每个模型编写适配代码。

第二，模块化设计，通过 Memory、Tool、Agent、Middleware 等模块实现可重组的开发范式，灵活性极高，类似于拼积木式的组合。

第三，生态开放性，支持数百种外部工具集成，例如数据库、搜索引擎、API、云服务等。

在整个生态体系中，LangChain 相当于“智能体的操作系统内核”，是所有组件运行的基础。

（官网链接已删除，可直接搜索 LangChain 官方文档）

2、LangGraph：智能体的状态编排引擎

随着业务复杂度提升，智能体系统从单一 Chain 逐渐演变为多 Chain 协作系统，LangGraph 正是为了满足这一需求而诞生。可以将其理解为 LangChain 生态中的运行时编排层，通过有向图（Graph）结构来管理智能体的任务流与状态。具体而言：LangGraph 的核心思路是将智能体系统抽象成一个有向图，需要把握三个核心概念——节点（Node）、边（Edge）和状态（State），这里不再展开细讲。

在整个生态中，LangGraph 的作用是让多个 Chain 实现“协同工作”。

（官网链接已删除）

3、Deep Agents：智能体的深层自治外骨骼

Deep Agents 是三个月前刚刚推出的全新组件，定位为 Agent Harness（智能体外骨骼）。它运行在 LangGraph 与 LangChain 之上，赋予智能体更强的规划、记忆与协作能力，用于构建能够完成复杂长期任务的 AI 系统（多智能体）。核心能力包括显式规划、虚拟文件系统、子智能体、长期记忆以及可扩展中间件。

如果将 LangChain 比作智能体的“神经系统”，LangGraph 是“神经网络的连接方式”，那么 Deep Agents 就是智能体的“大脑皮层”，使其具备计划、推理与自我管理能力。

（简单概括：LangChain 是基础框架，LangGraph 是在 LangChain 基础上实现的高级编排工具，Deep Agents 则是在 LangGraph 之上用于处理复杂任务的关键工具。）

（官网链接已删除）

4、LangServe：智能体的部署与 API 化

LangServe 易于理解，它提供服务的部署能力，能够将 Agent 转化为对外可访问的 Web 服务（API），此处不再展开详述。

5、LangSmith：可观测性与质量管理平台

最后一个组件是 LangSmith，这是 LangChain 官方推出的可观测性与评测平台，用于跟踪、记录并分析智能体运行过程中的每一次调用链路。例如，你可以通过可视化方式查看模型调用、Prompt 输入、输出结果以及工具使用状况，平台同时支持人工评测与自动化评测。

LangSmith 的引入，使 LangChain 生态实现了完整的闭环管理。

（官网链接已删除）

随着 LangChain 的持续演进，它已不再是一个单纯的 Python 库，而是逐步发展为围绕智能体系统全生命周期的完整生态体系。该生态由五个核心支柱构成：LangChain、LangGraph、Deep Agents、LangServe、LangSmith，它们分别承担开发、编排、自治、部署、监控五个阶段的核心职责，构成了从研发到生产、从单体到多智能体的闭环体系。

（正文完）