LangGraph项目中状态注入工具的正确使用方法
2025-05-19 04:34:30作者:卓炯娓
在LangGraph项目中开发自定义代理时,状态管理是一个核心功能。许多开发者会遇到如何将Graph状态正确注入到工具函数中的问题。本文将详细介绍这一技术点的正确实现方式。
状态注入的基本原理
LangGraph提供了强大的状态管理机制,允许开发者在工作流的各个节点间共享和传递状态。当我们需要在工具函数中访问这些状态时,必须使用特定的注解方式。
常见错误模式
开发者经常犯的一个典型错误是直接使用自定义状态类作为注解,例如:
async def _request_files_tool(self, file_paths: list[str], state: CustomAgentState) -> List[Tuple[str, str]]:
...
或者尝试使用:
Annotated[dict, CustomAgentState]
这些方式都无法正常工作,会导致状态无法正确注入。
正确的实现方式
正确的做法是使用InjectedState注解:
from typing import Annotated
from langgraph.types import InjectedState
async def _request_files_tool(
self,
file_paths: list[str],
state: Annotated[dict, InjectedState]
) -> List[Tuple[str, str]]:
...
实现细节解析
-
注解的必要性:
InjectedState注解告诉LangGraph运行时系统需要将当前状态注入到这个参数中。 -
参数类型:状态参数应声明为
Annotated[dict, InjectedState],其中dict表示状态将以字典形式传递。 -
工具函数定义:无论是使用
StructuredTool还是BaseTool,都需要遵循相同的注解规则。
完整示例代码
from typing import Annotated, List, Tuple
from langgraph.graph import StateGraph
from langgraph.types import InjectedState
from langchain.tools.base import StructuredTool
class CustomAgent:
def __init__(self):
self._tools = [
StructuredTool.from_function(
coroutine=self._request_files_tool,
name="request_files_tool",
description="文件请求工具"
)
]
async def _request_files_tool(
self,
file_paths: List[str],
state: Annotated[dict, InjectedState]
) -> List[Tuple[str, str]]:
# 现在可以正确访问state中的内容
folder_path = state.get("folder_path")
# 处理逻辑...
注意事项
-
确保使用的LangGraph版本支持状态注入功能。
-
在工具函数中访问状态字典时,建议使用
.get()方法并提供默认值,以避免KeyError异常。 -
如果状态结构复杂,可以在工具函数内部将字典转换为自定义状态类实例。
通过正确使用状态注入机制,开发者可以构建更加灵活和强大的LangGraph工作流,实现复杂的业务逻辑和状态管理需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
281
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100