> ## Documentation Index
> Fetch the complete documentation index at: https://langchain.idochub.dev/llms.txt
> Use this file to discover all available pages before exploring further.
# 概览
本网站是LangChain/LangGraph中文翻译版本，由AI翻译完成，仅供参考。原始文档版权归LangChain团队所有。此翻译版本可能存在错误或更新延迟，如有疑问，请以Langchain官方文档为准。翻译者与Langchain团队无关，不承担任何法律责任。
LangChain v1 目前正处于积极开发阶段，**不建议用于生产环境**。
* API 可能随时变更，恕不另行通知
* 文档尚不完整，且可能随时更改
如需最新稳定版本，请参阅 v0 版本的
[LangChain 文档](https://python.langchain.com/docs/introduction/)。
LangChain 是开始构建大语言模型（LLM）应用最简单的方式，让您仅用不到 10 行代码，即可快速构建基于 OpenAI、Anthropic、Google 等[更多提供商](/oss/python/integrations/providers)的智能代理。
LangChain 的[智能代理](/oss/python/langchain/agents)构建于 [LangGraph](/oss/python/langgraph/overview) 之上，从而提供持久化执行、流式响应、人机协作、状态持久化等功能。对于基本的 LangChain 代理使用，您无需了解 LangGraph。
## 安装
```bash pip theme={null}
pip install --pre -U langchain
```
```bash uv theme={null}
uv add langchain@pre
```
## 创建一个代理
```python theme={null}
# 安装模型依赖：pip install -qU "langchain[anthropic]"
from langchain.agents import create_agent
def get_weather(city: str) -> str:
"""获取指定城市的天气信息。"""
return f"{city} 总是阳光明媚！"
agent = create_agent(
model="anthropic:claude-3-7-sonnet-latest",
tools=[get_weather],
prompt="你是一个乐于助人的助手",
)
# 运行代理
agent.invoke(
{"messages": [{"role": "user", "content": "旧金山的天气怎么样？"}]}
)
```
## 核心优势
不同提供商的模型交互 API 各不相同，包括响应格式。LangChain 统一了模型交互方式，让您能够无缝切换提供商，避免供应商锁定。
LangChain 的代理抽象设计旨在易于上手，仅需约 10 行代码即可构建一个简单代理。同时，它也提供了足够的灵活性，满足您对上下文工程的所有需求。
LangChain 的代理构建于 LangGraph 之上。这使我们能够利用 LangGraph 提供的持久化执行、人机协作支持、状态持久化等强大功能。
借助可视化工具，深入洞察复杂代理行为：追踪执行路径、捕获状态转换、提供详细的运行时指标。