个人主页： > for_ever_love__ <（欢迎各位大佬莅临😊）
其他栏目: > 大模型开发从0到1 <
其他栏目: > iOS项目总结大全 <
其他栏目: > 我想学python了 <
其他栏目: > iOS UI <
文章目录
- 工具调用循环：create_react_agent 实战
- 一、最简用法
- 二、它帮我们省了什么
- 三、加持久化就是多轮 Agent
- 四、什么时候不该用它
工具调用循环：create_react_agent 实战
如果你只是想要一个「能调工具、会多轮思考」的 Agent，没必要从零搭图。LangGraph 的langgraph.prebuilt里提供了create_react_agent，一行就能组装出一个标准的 ReAct（推理+行动）循环。
一、最简用法
fromlangchain_openaiimportChatOpenAIfromlangchain_core.toolsimporttoolfromlanggraph.prebuiltimportcreate_react_agent@tooldefget_weather(city:str)->str:"""查询某城市的天气"""returnf"{city}今天晴，25℃"model=ChatOpenAI(model="gpt-4o-mini")agent=create_react_agent(model,[get_weather])result=agent.invoke({"messages":[{"role":"user","content":"北京天气怎么样？"}]})print(result["messages"][-1].content)create_react_agent(model, tools)返回的就是一个编译好的 LangGraph app，可以直接invoke/stream。默认流程是：模型决定调哪个工具 → 执行工具 → 把结果喂回模型 → 模型继续，直到它认为可以给出最终答案。
二、它帮我们省了什么
自己写 ReAct 循环，你要手写：状态定义（messages）、调模型的节点、调工具的节点、判断「是否还要继续」的条件边。而create_react_agent把这些全封装好了，并且：
- 自动处理
ToolMessage的回写； - 内置「模型输出 tool_calls 就走工具、否则结束」的条件路由；
- 返回的依然是标准
MessagesState，可以无缝接 Checkpointer、流式、子图。
三、加持久化就是多轮 Agent
fromlanggraph.checkpoint.memoryimportMemorySaver agent=create_react_agent(model,[get_weather],checkpointer=MemorySaver())cfg={"configurable":{"thread_id":"u-1"}}agent.invoke({"messages":[{"role":"user","content":"北京天气？"}]},cfg)agent.invoke({"messages":[{"role":"user","content":"那上海呢？"}]},cfg)同一thread_id下，模型记得上一轮问过什么——因为底层就是一张带 MessagesState 的图。
四、什么时候不该用它
当你的流程不是标准 ReAct（比如要条件分支、人工审核、子图编排、并行扇出），就该退回手写StateGraph。create_react_agent是「80% 场景的开箱即用」，复杂编排还得自己画图。
一句话：想快就create_react_agent，想完全可控就手写图。两者底层是同一套 LangGraph，随时可以升级。
