跳到主要内容

文档索引

在以下地址获取完整的文档索引：https://docs.langchain.org.cn/llms.txt

在进一步探索之前，请使用此文件发现所有可用页面。

LangChain 实现了一个流式传输系统，用于呈现实时更新。 流式传输对于增强基于 LLM 构建的应用程序的响应速度至关重要。通过在完整响应准备好之前逐步显示输出，流式传输显著改善了用户体验 (UX)，特别是在处理 LLM 的延迟时。

​
概览

LangChain 的流式传输系统允许您将智能体运行的实时反馈呈现给您的应用程序。 LangChain 流式传输的功能包括： 查看下方的常见模式部分以获取更多端到端示例。

​
支持的流模式

将以下一种或多种流模式以列表形式传递给 stream 方法
模式描述
更新在每个智能体步骤后流式传输状态更新。如果在同一步骤中进行了多次更新（例如运行了多个节点），这些更新将分别流式传输。
消息从调用 LLM 的任何图节点中流式传输 (token, metadata) 元组。
自定义使用流式写入器从图节点内部流式传输自定义数据。

​
智能体进度

要流式传输智能体进度，请使用 streamMode: "updates" 的 stream 方法。这会在每个智能体步骤后触发事件。 例如，如果您有一个调用一次工具的智能体，您应该会看到以下更新：
  • LLM 节点：带有工具调用请求的 AIMessage
  • 工具节点：带有执行结果的 ToolMessage
  • LLM 节点：最终 AI 响应
import z from "zod";
import { createAgent, tool } from "langchain";

const getWeather = tool(
    async ({ city }) => {
        return `The weather in ${city} is always sunny!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string(),
        }),
    }
);

const agent = createAgent({
    model: "gpt-5-nano",
    tools: [getWeather],
});

for await (const chunk of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: "updates" }
)) {
    const [step, content] = Object.entries(chunk)[0];
    console.log(`step: ${step}`);
    console.log(`content: ${JSON.stringify(content, null, 2)}`);
}
/**
 * step: model
 * content: {
 *   "messages": [
 *     {
 *       "kwargs": {
 *         // ...
 *         "tool_calls": [
 *           {
 *             "name": "get_weather",
 *             "args": {
 *               "city": "San Francisco"
 *             },
 *             "type": "tool_call",
 *             "id": "call_0qLS2Jp3MCmaKJ5MAYtr4jJd"
 *           }
 *         ],
 *         // ...
 *       }
 *     }
 *   ]
 * }
 * step: tools
 * content: {
 *   "messages": [
 *     {
 *       "kwargs": {
 *         "content": "The weather in San Francisco is always sunny!",
 *         "name": "get_weather",
 *         // ...
 *       }
 *     }
 *   ]
 * }
 * step: model
 * content: {
 *   "messages": [
 *     {
 *       "kwargs": {
 *         "content": "The latest update says: The weather in San Francisco is always sunny!\n\nIf you'd like real-time details (current temperature, humidity, wind, and today's forecast), I can pull the latest data for you. Want me to fetch that?",
 *         // ...
 *       }
 *     }
 *   ]
 * }
 */

​
LLM Tokens

要流式传输 LLM 生成的 token，请使用 streamMode: "messages" 
import z from "zod";
import { createAgent, tool } from "langchain";

const getWeather = tool(
    async ({ city }) => {
        return `The weather in ${city} is always sunny!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string(),
        }),
    }
);

const agent = createAgent({
    model: "gpt-5.4-mini",
    tools: [getWeather],
});

for await (const [token, metadata] of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: "messages" }
)) {
    console.log(`node: ${metadata.langgraph_node}`);
    console.log(`content: ${JSON.stringify(token.contentBlocks, null, 2)}`);
}

​
自定义更新

要流式传输工具执行时的更新，您可以使用配置中的 writer 参数。 
import z from "zod";
import { tool, createAgent } from "langchain";
import { LangGraphRunnableConfig } from "@langchain/langgraph";

const getWeather = tool(
    async (input, config: LangGraphRunnableConfig) => {
        // Stream any arbitrary data
        config.writer?.(`Looking up data for city: ${input.city}`);
        // ... fetch city data
        config.writer?.(`Acquired data for city: ${input.city}`);
        return `It's always sunny in ${input.city}!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string().describe("The city to get weather for."),
        }),
    }
);

const agent = createAgent({
    model: "gpt-5.4-mini",
    tools: [getWeather],
});

for await (const chunk of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: "custom" }
)) {
    console.log(chunk);
}
输出
Looking up data for city: San Francisco
Acquired data for city: San Francisco
如果您将 writer 参数添加到工具中，则如果不提供写入器函数，您将无法在 LangGraph 执行上下文之外调用该工具。

​
流式传输多种模式

您可以通过将 streamMode 作为数组传递来指定多种流式传输模式：streamMode: ["updates", "messages", "custom"]。 流式传输的输出将是 [mode, chunk] 元组，其中 mode 是流模式名称，chunk 是该模式流式传输的数据。
import z from "zod";
import { tool, createAgent } from "langchain";
import { LangGraphRunnableConfig } from "@langchain/langgraph";

const getWeather = tool(
    async (input, config: LangGraphRunnableConfig) => {
        // Stream any arbitrary data
        config.writer?.(`Looking up data for city: ${input.city}`);
        // ... fetch city data
        config.writer?.(`Acquired data for city: ${input.city}`);
        return `It's always sunny in ${input.city}!`;
    },
    {
        name: "get_weather",
        description: "Get weather for a given city.",
        schema: z.object({
        city: z.string().describe("The city to get weather for."),
        }),
    }
);

const agent = createAgent({
    model: "gpt-5.4-mini",
    tools: [getWeather],
});

for await (const [streamMode, chunk] of await agent.stream(
    { messages: [{ role: "user", content: "what is the weather in sf" }] },
    { streamMode: ["updates", "messages", "custom"] }
)) {
    console.log(`${streamMode}: ${JSON.stringify(chunk, null, 2)}`);
}

​
常见模式

以下是展示流式传输常见用例的示例。

​
流式输出思考/推理 token

有些模型在产生最终答案之前会执行内部推理。您可以通过过滤 标准内容块 中 type 为 "reasoning" 的内容，来在生成时流式传输这些思考/推理 token。
模型必须开启推理输出功能。有关配置详情，请参阅 推理部分 和您的 提供商集成页面。要快速检查模型是否支持推理，请查看 models.dev。
要从智能体流式传输思考 token，请使用 streamMode: "messages" 并过滤推理内容块。在模型支持的情况下，使用启用了扩展思考功能的模型实例（例如 ChatAnthropic）。 
import z from "zod";
import { createAgent, tool } from "langchain";
import { ChatAnthropic } from "@langchain/anthropic";

const getWeather = tool(
  async ({ city }) => {
    return `It's always sunny in ${city}!`;
  },
  {
    name: "get_weather",
    description: "Get weather for a given city.",
    schema: z.object({ city: z.string() }),
  },
);

const agent = createAgent({
  model: new ChatAnthropic({
    model: "claude-sonnet-4-6",
    thinking: { type: "enabled", budget_tokens: 5000 },
  }),
  tools: [getWeather],
});

for await (const [token, metadata] of await agent.stream(
  { messages: [{ role: "user", content: "What is the weather in SF?" }] },
  { streamMode: "messages" },
)) {
  if (!token.contentBlocks) continue;
  const reasoning = token.contentBlocks.filter((b) => b.type === "reasoning");
  const text = token.contentBlocks.filter((b) => b.type === "text");
  if (reasoning.length) {
    process.stdout.write(`[thinking] ${reasoning[0].reasoning}`);
  }
  if (text.length) {
    process.stdout.write(text[0].text);
  }
}
输出
[thinking] The user is asking about the weather in San Francisco. I have a tool
[thinking]  available to get this information. Let me call the get_weather tool
[thinking]  with "San Francisco" as the city parameter.
The weather in San Francisco is: It's always sunny in San Francisco!
无论使用哪种模型提供商，这种方式都是相同的——LangChain 通过 content_blocks 属性将提供商特定的格式（Anthropic 的 thinking 块、OpenAI 的 reasoning 摘要等）标准化为标准的 "reasoning" 内容块类型。 要直接从聊天模型（不经过智能体）流式传输推理 token，请参阅 聊天模型流式传输。

​
禁用流式传输

在某些应用程序中，您可能需要为特定模型禁用单个 token 的流式传输。这在以下情况下很有用：
  • 在使用 多智能体 系统时，控制哪些智能体流式输出
  • 混合使用支持流式传输的模型和不支持流式传输的模型
  • 部署到 LangSmith 且希望防止某些模型输出被流式传输到客户端
初始化模型时设置 streaming: false。 
import { ChatOpenAI } from "@langchain/openai";

const model = new ChatOpenAI({
  model: "gpt-5.4",
  streaming: false,
});
部署到 LangSmith 时，在任何不希望将输出流式传输到客户端的模型上设置 streaming=False。这需要在部署前的图代码中进行配置。
并非所有聊天模型集成都支持 streaming 参数。如果您的模型不支持，请改用 disableStreaming: true。此参数在所有聊天模型中通过基类提供。
有关详细信息，请参阅 LangGraph 流式传输指南。
将这些文档连接到 Claude、VSCode 等，以获得实时答案。
在 GitHub 上编辑此页面 或 提交问题。
© . This site is unofficial and not affiliated with LangChain, Inc.