LangChain

LangChain是什么

LangChain 是面向大语言模型应用和 AI Agent 的开源开发框架，提供 Python 与 JavaScript/TypeScript 生态。开发者可以通过统一接口连接不同模型、工具、检索系统、结构化输出和中间件，构建聊天助手、RAG 文档问答、研究 Agent、数据分析和业务自动化应用。

当前 LangChain 产品栈应分成三层理解：LangChain 是高层 Agent 与应用开发框架，LangGraph 是面向有状态、长时间和可恢复 Agent 的底层编排运行时，LangSmith 是用于追踪、评估、监控和部署的商业平台。开源库免费，不代表 LangSmith 和模型调用都免费。

LangChain核心功能

统一模型接口

LangChain 通过标准化消息、工具调用、流式输出和结构化响应，减少切换 OpenAI、Anthropic、Google、AWS、Azure、本地模型等供应商时的重复代码。不同模型的能力、参数和返回格式仍存在差异，迁移前必须测试工具调用、图片、上下文和结构化输出。

AI Agent与Tools

Agent 使用模型决定何时调用搜索、数据库、文件、代码或业务 API 工具，并根据工具结果继续推理。开发者可以定义工具参数 Schema、错误处理和返回格式。工具具备真实执行权限时，应实施最小权限、超时、重试、幂等和人工审批。

Middleware中间件

Middleware 可在 Agent 生命周期的模型调用、工具调用和状态变化前后插入逻辑，用于动态提示词、模型路由、摘要、敏感信息过滤、重试、人工介入和调用限制。这让横切能力不必散落在每个 Tool 中，适合构建统一治理层。

RAG与文档检索

LangChain 生态提供文档加载、文本切分、Embedding、Vector Store、Retriever 和生成组件，可把私有资料检索结果提供给模型。RAG 的质量取决于解析、切分、索引、过滤和评估，不是连接向量数据库后就会自动可靠。正式系统应保存来源元数据并检查引用。

LangGraph状态编排

LangGraph 用图结构表示节点和状态转换，支持持久化、流式执行、Human-in-the-loop、记忆、分支、循环和中断恢复。它适合长任务、需要明确状态的 Agent 以及多 Agent 编排。LangChain 的高层 Agent 构建能力本身运行在 LangGraph 之上，初学者可先使用 LangChain，需要底层控制时再直接使用 LangGraph。

LangSmith可观测与评估

LangSmith 可以记录完整 Trace，包括模型请求、工具调用、延迟、Token 和错误；还支持数据集、在线/离线评估、人工标注、Prompt Playground、监控和 Insights。它不限定应用必须使用 LangChain，只要接入追踪 SDK，也能观察其他框架编写的 Agent。

LangSmith Deployment

Deployment 为长期运行的 Agent 提供托管基础设施、流式中间步骤、状态与记忆 API、定时任务、认证及 MCP Server 方向。Plus 包含一个免费的 Serverless Small 部署，额外 Serverless 或 Dedicated 实例按资源消耗计费；Enterprise 可选择自托管或混合部署。

开源与许可证

LangChain Python 核心仓库使用 MIT 许可证，LangGraph 等核心库也在官方 GitHub 开放。LangSmith 云平台、Deployment 控制能力和部分企业服务属于商业产品。各模型、向量数据库和集成包还遵循自己的许可证与服务条款。

LangChain产品栈对比

LangSmith价格与套餐

LangSmith 采用“每席位基础费 + 按使用量计费”。LCU 表示计算资源，LSU 表示追踪或存储资源；官网当前基础单价为每 LCU 1.50 美元、每 LSU 1 美元。

免费 Trace 用完后按量计费。部署资源当前按 vCPU、内存和数据库消耗换算为 LCU/LSU，并按秒结算；模型 Token 费用通常仍由模型提供商收取。定价项目较多，生产预算应使用官网计算器并监控真实 Trace。

LangChain入门教程

1. 选择语言：按项目使用 Python 或 TypeScript，创建独立虚拟环境和锁定依赖。
2. 安装核心包：安装 LangChain 以及对应模型提供商集成包，把 API Key 存入环境变量。
3. 创建模型：初始化 Chat Model，先测试普通消息、流式响应和结构化输出。
4. 定义工具：为函数写清名称、描述与参数 Schema，并限制危险操作权限。
5. 创建Agent：配置系统指令、工具、中间件和停止条件，使用测试任务检查工具选择。
6. 按需加入RAG：处理文档、建立索引和 Retriever，并创建有标准答案的评估集。
7. 复杂状态用LangGraph：需要循环、恢复、记忆和审批时，把流程建成显式状态图。
8. 接入LangSmith：启用Tracing，比较Prompt、模型与工具版本，确认质量和成本后部署。

适合哪些用户

• 需要快速构建模型、工具和检索型 AI 应用的开发者；
• 开发长任务、可恢复和人工介入 Agent 的工程团队；
• 需要系统化追踪、评估和监控 LLM 应用的组织；
• 希望在多个模型供应商之间保持较统一接口的产品团队；
• 需要托管、自托管或混合部署生产 Agent 的企业。

优势与注意事项

LangChain 的优势是生态成熟、模型和数据集成广、文档与社区资源丰富，并形成从开发、编排到评估部署的完整产品栈。高层 API 适合快速起步，LangGraph 又能为高级用户提供底层控制。

框架层抽象也会增加依赖和调试复杂度。应固定包版本、阅读迁移文档，并避免为了“使用框架”把简单模型调用过度工程化。Agent 输出不可靠，RAG 也会漏检；生产系统必须建立评估集、Trace、权限与人工兜底。LangSmith 收集的 Trace 可能包含用户数据，接入前应设置脱敏和数据治理。

常见问题

LangChain免费吗

LangChain 和 LangGraph 核心库免费开源。LangSmith 有免费 Developer 套餐，团队、部署和超额使用收费；模型 API 另计。

LangChain与LangGraph有什么区别

LangChain 提供更高层的 Agent、模型、工具和 Middleware 接口；LangGraph 负责有状态和可恢复的底层编排。两者可以组合使用。

LangSmith必须和LangChain一起用吗

不必须。LangSmith 可追踪和评估由其他框架或自定义代码构建的 LLM 应用。

LangChain支持JavaScript吗

支持 Python 与 JavaScript/TypeScript 生态。不同语言的集成覆盖与发布节奏可能略有差异。

LangChain开源吗

核心框架开源并使用 MIT 许可证。LangSmith 云平台及企业托管能力属于商业服务。