子图¶
子图是一个作为另一个图中节点使用的图 —— 这是封装概念在LangGraph中的应用。子图允许你构建由多个自身为图的组件组成的复杂系统。
使用子图的一些原因包括:
- 构建多智能体系统
- 当你希望在多个图中重用一组节点时
- 当你希望不同的团队可以独立地对图的不同部分进行工作时,你可以将每个部分定义为一个子图,只要子图接口(输入和输出模式)被遵守,父图可以在不知道子图任何细节的情况下构建
添加子图时的主要问题是父图和子图如何通信,即它们在图执行过程中如何传递状态。有两种场景:
-
父图和子图在其状态schema中具有**共享的状态键**。在这种情况下,你可以将子图作为父图中的一个节点包含进来
from langgraph.graph import StateGraph, MessagesState, START # Subgraph def call_model(state: MessagesState): response = model.invoke(state["messages"]) return {"messages": response} subgraph_builder = StateGraph(State) subgraph_builder.add_node(call_model) ... subgraph = subgraph_builder.compile() # Parent graph builder = StateGraph(State) builder.add_node("subgraph_node", subgraph) builder.add_edge(START, "subgraph_node") graph = builder.compile() ... graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})
-
父图和子图具有**不同的 schema**(它们的状态schema中没有共享的状态键)。在这种情况下,你必须从父图中的一个节点内部调用子图:当父图和子图有不同状态 schema,并且你需要在调用子图之前或之后转换状态时,这很有用。
from typing_extensions import TypedDict, Annotated from langchain_core.messages import AnyMessage from langgraph.graph import StateGraph, MessagesState, START from langgraph.graph.message import add_messages class SubgraphMessagesState(TypedDict): subgraph_messages: Annotated[list[AnyMessage], add_messages] # Subgraph def call_model(state: SubgraphMessagesState): response = model.invoke(state["subgraph_messages"]) return {"subgraph_messages": response} subgraph_builder = StateGraph(State) subgraph_builder.add_node(call_model) ... subgraph = subgraph_builder.compile() # Parent graph def call_subgraph(state: MessagesState): response = subgraph.invoke({"subgraph_messages": state["messages"]}) return {"messages": response["subgraph_messages"]} builder = StateGraph(State) builder.add_node("subgraph_node", call_subgraph) builder.add_edge(START, "subgraph_node") graph = builder.compile() ... graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})