LangChain 将大模型应用拆解为六大核心组件:Models(模型,统一调用接口)、Prompts(提示词模板)、Indexes(资料检索,支撑RAG)、Memory(对话记忆)、Chains(固定流程串联)和Agents(自主决策调用工具)。这些组件像团队角色各司其职,通过数据流动协作完成复杂任务,例如企业知识库问答中,Memory记录历史、Indexes检索文档、Prompts组装指令、Models生成答案。组合方式上,早期使用固定Chain类,现在更推荐LCEL管道式组合(用|符号串联组件,灵活插入自定义步骤)和LangGraph图编排(支持条件分支、循环、人工审批等复杂流程)。无论组合方式如何变化,六大组件的核心职责不变,变的只是拼接的灵活性和可编程性。
多轮推理 Agent 系统
基于 ReAct 范式构建多轮推理 Agent,支持 MCP 协议、Function Call 与 Tool Use,实现自主规划、动态决策、故障自愈的智能诊断系统。深度集成 LLM 思维链推理,支持 Agentic Workflow 的复杂任务编排。
- ReAct
- MCP
- Function Call
- Tool Use
- Agentic Workflow
- Langchain
从工具链设计到 Agent 编排,对 MCP 协议接入、Function Call 链路和 ReAct 循环有体系化理解与完整落地经验。