Skip to main content
子图是一个图，它被用作另一个图中的节点 —— 这是将封装概念应用于LangGraph的具体体现。子图允许你构建包含多个组件的复杂系统，而这些组件本身也是图。 子图 子图的用途包括：
  • 构建多智能体系统
  • 当你希望在多个图中复用一组节点时
  • 当你希望不同团队能够独立开发图的不同部分时，你可以将每个部分定义为一个子图；只要子图接口（输入和输出模式）保持一致，父图即可在不了解子图内部细节的情况下构建完成
在添加子图时，主要问题在于父图与子图之间如何通信，即它们在图执行过程中如何传递状态。存在两种情况：
  • 父图与子图在其状态模式中具有共享的状态键。在这种情况下，你可以将子图作为节点直接包含在父图中 
    from langgraph.graph import StateGraph, MessagesState, START

# 子图

def call_model(state: MessagesState):
    response = model.invoke(state["messages"])
    return {"messages": response}

subgraph_builder = StateGraph(State)
subgraph_builder.add_node(call_model)
...
subgraph = subgraph_builder.compile()

# 父图

builder = StateGraph(State)
builder.add_node("subgraph_node", subgraph)
builder.add_edge(START, "subgraph_node")
graph = builder.compile()
...
graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})
  • 父图与子图具有不同的模式（其状态模式中没有共享的状态键）。在这种情况下，你必须在父图的某个节点内部调用子图：当父图与子图具有不同的状态模式，且你需要在调用子图前后对状态进行转换时，这种方法非常有用。 
    from typing_extensions import TypedDict, Annotated
from langchain_core.messages import AnyMessage
from langgraph.graph import StateGraph, MessagesState, START
from langgraph.graph.message import add_messages

class SubgraphMessagesState(TypedDict):
    subgraph_messages: Annotated[list[AnyMessage], add_messages]

# 子图

def call_model(state: SubgraphMessagesState):
    response = model.invoke(state["subgraph_messages"])
    return {"subgraph_messages": response}

subgraph_builder = StateGraph(SubgraphMessagesState)
subgraph_builder.add_node("call_model_from_subgraph", call_model)
subgraph_builder.add_edge(START, "call_model_from_subgraph")
...
subgraph = subgraph_builder.compile()

# 父图

def call_subgraph(state: MessagesState):
    response = subgraph.invoke({"subgraph_messages": state["messages"]})
    return {"messages": response["subgraph_messages"]}

builder = StateGraph(State)
builder.add_node("subgraph_node", call_subgraph)
builder.add_edge(START, "subgraph_node")
graph = builder.compile()
...
graph.invoke({"messages": [{"role": "user", "content": "hi!"}]})