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。
在 10 行代码内构建由大语言模型（LLM）驱动的完全自定义代理和应用程序，并支持 OpenAI、Anthropic、Google 等 集成。LangChain 提供了预构建的代理架构和模型集成，帮助您快速上手，并将 LLM 无缝融入您的代理和应用程序中。
LangChain vs. LangGraph vs. Deep Agents 从 Deep Agents 开始，这是一个“功能齐备”的代理，具备自动上下文压缩、虚拟文件系统和子代理生成等功能。Deep Agents 构建在 LangChain 代理 之上，您也可以直接使用 LangChain。 对于需要结合确定性和代理工作流的高级需求，请使用我们的低级编排框架 LangGraph 。 OpenAI
Google Gemini
Claude (Anthropic)
OpenRouter
Fireworks
Baseten
Ollama
Azure
AWS Bedrock
HuggingFace
# pip install -qU langchain "langchain[openai]" from langchain . agents import create_agent def get_weather ( city : str ) -> str : """Get weather for a given city.""" return f "It's always sunny in { city } !" agent = create_agent ( model = "openai:gpt-5.4" , tools = [ get_weather ], system_prompt = "You are a helpful assistant" , ) result = agent . invoke ( { "messages" : [{ "role" : "user" , "content" : "What's the weather in San Francisco?" }]} ) print ( result [ " messages " ][ - 1 ]. content_blocks )
查看安装说明 和快速入门指南 ，开始使用 LangChain 构建您自己的代理和应用程序。
使用 LangSmith 来追踪请求、调试智能体行为并评估输出。设置 LANGSMITH_TRACING=true 并配置您的 API 密钥即可开始。
标准模型接口 不同的提供商拥有独特的模型交互 API，包括响应格式。LangChain 标准化了您与模型交互的方式，以便您可以无缝切换提供商并避免被单一平台绑定。
易于使用且高度灵活的代理 LangChain 的代理抽象旨在让您轻松入门，让您能在 10 行代码内构建一个简单的代理。同时，它也提供了足够的灵活性，让您可以进行任何您想要的上下文工程。
构建于 LangGraph 之上 LangChain 的代理构建于 LangGraph 之上。这使我们能够利用 LangGraph 的持久化执行、人机协作（human-in-the-loop）支持、持久性等强大功能。
使用 LangSmith 进行调试 通过可视化工具深入了解复杂的代理行为，这些工具可以跟踪执行路径、捕获状态转换并提供详细的运行时指标。
将这些文档 连接到 Claude、VSCode 等，以获得实时答案。
