LangChain

LangChain是什麼

LangChain 是一個用於大語言模型應用及 AI Agent 的開源開發框架，支援 Python 與 JavaScript/TypeScript 生態系。開發者可透過統一的介面來連接不同的模型、工具、檢索系統、結構化輸出以及中介件，進而打造聊天助手、RAG 文件問答系統、研究用 Agent、數據分析工具以及業務自動化應用。

目前，LangChain 產品架構應分為三層來理解：LangChain 是高層 Agent 與應用開發框架，LangGraph 是面向有狀態、長時間和可恢復 Agent 的底層編排運行時，LangSmith 是用於追蹤、評估、監控和部署的商業平台。開源庫免費，並不代表 LangSmith 和模型調用都免費。

LangChain核心功能

統一模型介面

LangChain透過標準化的訊息傳遞、工具呼叫、流式輸出以及結構化回應，減少了在切換 OpenAI、Anthropic、Google、AWS、Azure、本地模型等供應商時所需要重複撰寫的程式碼。不過，不同模型的功能、參數和回傳格式仍存在差異，因此在遷移之前，必須先測試工具呼叫、圖片處理、上下文管理以及結構化輸出的功能。

AI Agent與Tools

Agent會使用模型來決定何時調用搜尋、資料庫、檔案、程式碼或業務API工具，並根據這些工具的輸出結果繼續進行推理。開發者可以定義工具的參數結構、錯誤處理方式以及回傳格式。

工具具備真實執行權限時，應實施最小權限、超時、重試、幀等以及人工審批。

Middleware中間件

Middleware 可在 Agent 的生命週期中，於模型調用、工具調用以及狀態變化之前或之後插入邏輯，用於動態提示詞、模型路由、摘要生成、敏感資訊過濾、重試處理、人工介入以及調用限制等。這樣一來，各種橫切功能就不必分散在每個 Tool 中，從而便於建立統一的治理層級。

RAG與文件檢索

LangChain 生態系統提供文件載入、文字切分、Embedding、向量儲存、檢索工具以及生成組件，可將私有資料的檢索結果提供給模型。RAG 的品質取決於解析、切分、索引、過濾和評估等步驟，並非只要連接到向量資料庫就一定會可靠運作。

正式系統應保存來源元數據並檢查引用。

LangGraph狀態編排

LangGraph 以圖結構來表示節點與狀態轉換，支援持久化、流式執行、人類介入、記憶、分支、迴圈以及中斷恢復。它適用於長時間任務、需要明確狀態的 Agent，以及多 Agent 的編排。

LangChain 的高層 Agent 构建能力本身運行在 LangGraph 之上，初學者可先使用 LangChain，需要底層控制時再直接使用 LangGraph。

LangSmith可觀測與評估

LangSmith 可以記錄完整的 Trace，包括模型請求、工具調用、延遲、Token 和錯誤；還支援資料集、線上/離線評估、人工標註、Prompt Playground、監控和 Insights。

它不限定應用必須使用 LangChain，只要接入追蹤 SDK，也能觀察其他框架編寫的 Agent。

LangSmith Deployment

Deployment 為需要長期運行的 Agent 提供託管基礎設施、流式中間步驟、狀態與記憶體 API、定時任務、認證功能，以及 MCP Server 相關服務。Plus 版本包含一個免費的 Serverless Small 部署方案，而額外的 Serverless 或 Dedicated 實例則會根據資源使用量來計費。

Enterprise 可選擇自託管或混合部署。

開源與許可證

LangChain 的 Python 核心程式庫採用 MIT 授權，LangGraph 等其他核心函式庫也都在官方 GitHub 上公開提供。至於 LangSmith 雲端平台、部署控制功能以及一些企業級服務，則屬於商業產品。

各模型、向量資料庫和整合套件還遵循自己的許可證與服務條款。

LangChain產品堆疊對比

LangSmith價格與套餐

LangSmith採用「每席位基礎費 + 按使用量計費」的方式。LCU表示計算資源，LSU則表示追蹤或儲存資源；

官網目前的基本單價為每 LCU 1.50 美元、每 LSU 1 美元。

免費的 Trace 服務用完後將按用量計費。部署的資源會根據 vCPU、記憶體和資料庫的消耗量，轉換為 LCU/LSU，並以秒為單位進行結算。

模型 Token 費用通常仍由模型供應商收取。

定價項目較多，生產預算應使用官網計算器並監控真實 Trace。

LangChain入門教學

1. 選擇語言：按專案使用 Python 或 TypeScript，建立獨立的虛擬環境並鎖定依賴項目。
2. 安裝核心套件：安裝 LangChain 以及對應模型供應商的整合套件，將 API Key 存入環境變數。
3. 建立模型：初始化 Chat Model，先測試普通消息、流式回應和結構化輸出。
4. 定義工具：為函數寫清名稱、描述與參數 Schema，並限制危險操作權限。
5. 創建Agent：配置系統指令、工具、中介軟體和停止條件，使用測試任務檢查工具選擇。
6. 按需加入RAG：處理文件、建立索引和 Retriever，並創建有標準答案的評估集。
7. 複雜狀態用LangGraph：需要循環、恢復、記憶和審批時，把流程建成顯式狀態圖。
8. 接入LangSmith：啟用Tracing，比較Prompt、模型與工具版本，確認品質與成本後部署。

LangChain使用教學

建立可重複使用的專業工作流

1. 選取一個低風險真實專案作為模板；
2. 固定統一模型接口、AI Agent與Tools和Middleware中間件的使用順序；
3. 記錄環境、模型、提示和失敗條件；
4. 為寫入、部署和刪除動作設定人工審批；
5. 比較速度、成本、測試通過率及返工量；
6. 驗證穩定後再擴展到團隊或生產環境；

適合哪些用戶

• 需要快速構建模型、工具和檢索型 AI 應用的開發者；
• 開發長任務、可恢復及人工介入 Agent 的工程團隊；
• 需要系統化追蹤、評估和監控 LLM 應用的組織；
• 希望能在多個模型供應商之間保持較統一接口的產品團隊；
• 需要託管、自託管或混合部署生產 Agent 的企業。

優勢與注意事項

• LangChain的優勢在於其生態系已相當成熟，模型與資料的整合能力強，且擁有豐富的文件及社群資源，同時還形成了從開發、編排到評估與部署的完整產品體系。
• 高層API適合快速起步，LangGraph又能為高級用戶提供底層控制；
• 框架層抽象也會增加依賴和調試複雜度；
• 應固定套件版本、閱讀遷移文件，並避免為了「使用框架」而將簡單模型過度工程化；
• Agent輸出不可靠，RAG也會漏檢；
• 生產系統必須建立評估集、Trace、權限與人工兜底；
• LangSmith收集的Trace可能包含用戶數據，接入前應設定脫敏和數據治理；

常見問題

LangChain免費嗎

LangChain 與 LangGraph 的核心函式庫可免費開源使用。LangSmith 提供免費的開發者套裝，而團隊使用、部署以及超額使用時則需支付費用；

模型 API 另計。

LangChain與LangGraph有什麼區別

LangChain 提供更高層的 Agent、模型、工具和 Middleware 接口；LangGraph 則負責有狀態且可恢復的底層編排。

兩者可以組合使用。

LangSmith必須和LangChain一起用嗎

不必。LangSmith 可追蹤和評估由其他框架或自訂代碼構建的 LLM 應用。

LangChain支援JavaScript嗎

支援 Python 與 JavaScript/TypeScript 生態系。不同語言的整合範圍與發布節奏可能略有差異。

LangChain是開源的嗎

核心框架為開源，且採用 MIT 授權協議。LangSmith 雲端平台及企業託管服務則屬於商業服務。