LangChain 2024 最新发布：LangGraph 多智能体工作流（Multi-Agent Workflows）

LangChain 2024 最新发布：LangGraph 多智能体工作流（Multi-Agent Workflows）

LangGraph 可以更好地创建包含周期的 LLM 工作流，这是大多数代理运行时的关键组件。Langchain官方重点介绍了两个简单的运行例子：一个是Langchain中的 AgentExecutor，另一个是针对消息传递和聊天模型的版本。
本文重点介绍 多代理工作流。

• “多智能体”是什么意思？
• 为什么“多智能体”工作流很有趣？
• 使用 LangGraph 进行多智能体工作流的三个具体示例
• 使用多代理工作流（GPT-Newspaper 和 CrewAI）构建在，
• LangGraph 之上的第三方应用程序的两个示例
• 与其他框架（Autogen 和 CrewAI）的比较

什么是“多智能体”？

当我们谈论“多智能体”时，我们谈论的是多个独立的参与者，这些参与者由以特定方式连接的语言模型提供支持。每个代理都可以有自己的提示、LLM、工具和其他自定义代码，以便与其他代理进行最佳协作。

这意味着在考虑不同的多代理工作流时，有两个主要考虑因素：

• 什么是多个独立代理？
• 这些代理是如何连接的？

这种想法非常适合图表示，例如由LangGraph 提供的图表示。在此方法中，每个智能体都是图中的一个节点，它们的连接表示为一条边。