MessagesState：消息列表怎么累加

MessagesState：消息列表怎么累加

做对话类 Agent，状态里几乎一定会有一个「消息列表」：用户说的、模型回的、工具返回的全堆在里面。前面讲过，这种「累积型字段」要用 reducer 来追加而不是覆盖。LangGraph 已经把这套逻辑封装好了一个开箱即用的状态：MessagesState。

一、MessagesState 是什么

MessagesState本质上就是一个只含messages字段的TypedDict，并且messages已经用add_messages这个 reducer 声明了「累加」语义：

fromlanggraph.graphimportMessagesState,START,ENDfromlangchain_core.messagesimportHumanMessage,AIMessagedefchat(state:MessagesState):# 返回一个 AIMessage，会被追加进 messages，而不是替换return{"messages":[AIMessage(content="你好，我是助手")]}graph=StateGraph(MessagesState)graph.add_node("chat",chat)graph.add_edge(START,"chat")graph.add_edge("chat",END)app=graph.compile()result=app.invoke({"messages":[HumanMessage(content="在吗？")]})forminresult["messages"]:print(type(m).__name__,":",m.content)# HumanMessage : 在吗？# AIMessage : 你好，我是助手

注意：输入里只有 1 条 HumanMessage，输出里变成 2 条——AI 的回复被追加进去了。add_messages就是背后的 reducer。

二、add_messages 的智能之处

add_messages不只是简单拼接，它还会：

• 去重更新：如果新消息带id且已存在，会就地更新而不是重复添加；
• 自动适配类型：你可以传HumanMessage/AIMessage/ToolMessage/SystemMessage，甚至传纯字典{"role":"user","content":"..."}，它都会规整成标准消息对象；
• 保留顺序：严格按时间先后累加，天然形成对话时间线。

三、为什么不用普通 list + 自己 append

手动state["messages"].append(...)虽然也能加，但有两个麻烦：一是节点函数里改的是「入参的副本」，不一定回写进状态；二是失去add_messages的更新/去重能力。用MessagesState让「消息怎么累积」这件事变成框架约定，省心且不易错。

四、自定义时还能加别的字段

MessagesState只有messages。如果你的图还需要别的累积字段，可以自己继承式声明：

fromtypingimportTypedDict,Annotatedfromlangchain_core.messagesimportAnyMessagefromlanggraph.graphimportadd_messagesclassMyState(TypedDict):messages:Annotated[list[AnyMessage],add_messages]scratch:Annotated[list,lambdaa,b:a+b]# 自己再加一个累积字段

对话 Agent 的「记忆」其实就是这份不断变长的messages。配合后面要讲的「检查点（Checkpointer）」，这份消息列表还能被按会话存下来，实现真正的多轮记忆。这就是下一篇的内容。