Agent Inbox 使用指南
2026-01-30 04:12:38作者:平淮齐Percy
1. 项目介绍
Agent Inbox 是一个为人类在环(human-in-the-loop)代理交互设计的用户界面。它旨在提供一种方式,使得开发人员可以与 LangGraph 项目的中断进行交互,从而实现更加灵活和动态的软件开发流程。通过 Agent Inbox,开发人员可以在开发过程中实时接收和处理来自 LangGraph 的中断请求,并根据需要对其进行响应。
2. 项目快速启动
在开始使用 Agent Inbox 之前,请确保已经安装了 Node.js 和 yarn。以下是快速启动项目的步骤:
# 克隆仓库
git clone https://github.com/langchain-ai/agent-inbox.git
# 进入项目目录
cd agent-inbox
# 安装依赖
yarn install
安装完成后,您需要配置 Agent Inbox 以连接到您的 LangGraph 部署:
- 点击侧边栏中的“设置”按钮,并输入您的 LangSmith API 密钥。
- 打开设置弹出窗口(侧边栏左下角),点击“添加邮箱”以创建您的第一个邮箱。这将打开一个包含三个字段的对话框:
- 助手/图 ID:您的 LangGraph 图的名称或助手 ID。
- 部署 URL:您的 LangGraph 部署的 URL。
- 名称(可选):邮箱的标签。
这些值将存储在浏览器的本地存储中,并仅用于连接和认证对 LangGraph 部署的请求。
3. 应用案例和最佳实践
以下是一些使用 Agent Inbox 的应用案例和最佳实践:
- 实时错误处理:在软件开发过程中,使用 Agent Inbox 实时接收和处理错误或中断,以便快速响应并解决问题。
- 动态功能更新:开发人员可以利用 Agent Inbox 来动态更新软件功能,无需重新部署整个应用程序。
- 用户反馈集成:通过 Agent Inbox 收集用户反馈,并将其直接集成到开发流程中,以便更快地迭代产品。
在使用 Agent Inbox 时,确保您的代码符合以下中断输入和输出模式:
// TypeScript 示例
interface HumanInterruptConfig {
allow_ignore: boolean;
allow_respond: boolean;
allow_edit: boolean;
allow_accept: boolean;
}
interface ActionRequest {
action: string;
args: Record<string, any>;
}
interface HumanInterrupt {
action_request: ActionRequest;
config: HumanInterruptConfig;
description?: string;
}
type HumanResponse = {
type: 'accept' | 'ignore' | 'response' | 'edit';
args: null | string | ActionRequest;
};
4. 典型生态项目
Agent Inbox 可以与多种开源项目集成,以下是一些典型的生态项目:
- LangGraph:一个强大的图计算框架,用于构建复杂的软件系统。
- LangSmith:LangGraph 的开发工具集,提供了丰富的功能和工具,以便更好地使用 LangGraph。
- 其他开源工具:Agent Inbox 可以与各种开源工具集成,如数据库、前端框架等,以构建完整的软件解决方案。
通过遵循以上指南,您可以开始使用 Agent Inbox 并将其集成到您的开发流程中,从而实现更加高效和动态的软件开发。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220