LangGraph生态全景：Python Agent开发指南

先给你一个“全景图”把 LangGraph 生态的主要组件拆开讲一下只列和你做 Python Agent 开发最相关的。LangGraph 生态核心框架langgraphPython/JS 库LangChain模型/工具/集成开发体验LangGraph StudioAgent IDE本地开发 CLIlanggraph dev可观测 评估LangSmith 平台TracingEvaluationDeployment部署 运行时LangSmith Deployment原 Platform/CloudPython SDK/客户端示例 模板langgraph-101教程仓库示例仓库examples全栈模板fullstack文档 学习官方文档概述/持久执行/HITL 等LangChain Academy中文资料教程/翻译下面按类别展开并尽量给 GitHub / 官方链接。1核心框架LangGraphPython / JSGitHubhttps://github.com/langchain-ai/langgraph做有状态、多步、多 actor 的 Agent 图节点、边、状态、持久执行、流式、人机协同human-in-the-loop等都以图的方式表达。LangChain统一模型 / 工具 / 集成GitHubhttps://github.com/langchain-ai/langchain提供 100 LLM 提供商统一接口、工具调用、召回等能力LangGraph 经常和它搭配使用。2开发体验IDE / 本地运行LangGraph StudioAgent IDE官方文档https://docs.langchain.com/oss/python/langgraph/studio用于可视化、交互和调试“遵循 Agent Server API 协议”的 agent本地开发时用langgraph dev即可在 Studio 里调试你的图。本地开发 CLIlanggraph dev/langgraph up官方示例与教程仓库里都有langgraph.json配置文件配合 Studio 使用。3可观测、评估与部署平台LangSmith 平台文档首页https://docs.langchain.com/langsmith/home定位为“构建、调试、部署 AI agent 和 LLM 应用的平台”ObservabilityTracingEvaluationDeployment 等。LangSmith 对 LangGraph 的集成支持官方集成页明确列出对 LangGraph 的支持在“Agent frameworks”中。LangSmith Deployment原 LangGraph Platform / Cloud官方博客2025 年起“LangGraph Platform”改名为“LangSmith Deployment”统一到 LangSmith 平台下。主要能力持久执行Durable Execution内置持久层状态落盘、可恢复。自动扩缩、负载均衡、故障转移等生产特性第三方技术文章总结。提供 HTTP API风格类似 OpenAI Assistants API和 SDK供业务后端集成。Python SDK / 客户端官方 SDK 文档中文镜像提供异步/同步客户端连接到 LangGraph API 的用法对应生产环境的 LangSmith Deployment。4示例、模板与教程GitHublanggraph-101入门 进阶教程仓库GitHubhttps://github.com/langchain-ai/langgraph-101包含101/201 系列 Notebook基础 agent、中间件/HITL/多 agent、DeepAgents 等可在 Studio 中直接运行的agents/示例天气、邮件、音乐商店多智能体、研究代理等。官方示例 Notebook仓库内 examples在主仓库的examples/下如 customer-support、agentic RAG 等提供可运行的 Notebook。示例仓库原 example / example-monorepo现归档但仍可参考langgraph-example单示例https://github.com/langchain-ai/langgraph-examplelanggraph-example-monorepo多图、多项目结构示例https://github.com/langchain-ai/langgraph-example-monorepo用于参考langgraph.json的写法多图、多模块工程结构部署到 LangSmith Deployment/Cloud 的流程。全栈模板前端 LangGraph 后端langgraph-fullstack-python用 LangGraph HTTP 配置构建全栈聊天机器人前端 后端的脚手架模板。5文档与学习资料官方文档重点几页LangGraph 概览强调持久执行、流式、人机协同等核心能力。Durable Execution持久执行与状态恢复。LangGraph Studio 使用指南。LangChain Academy在 101 仓库中被推荐为“更系统的学习路径”包含视频教程和实验环境。中文社区 / 翻译非官方但生态很活跃LangGraph 中文文档/教程镜像站点与教程。中文实战文章LangGraph Studio LangSmith 基本用法等。6集成与可插拔的周边不只是 LangGraph但常用LangSmith 集成页列出多个 LLM 提供商与 Agent 框架LangGraph、DeepAgents、AutoGen、CrewAI、OpenAI Agents 等——意味着你可以把 LangGraph 接入各种 LLM、工具与第三方服务。通过 LangChain 的集成能力统一对接 100 LLM 提供商、数据库、向量库、工具等。7如果你想“立刻上手”可以怎么用这套生态一个典型 Python 后端链路可以是开发阶段用 LangGraphPython写图逻辑状态、节点、边、人机协同点。用langgraph dev LangGraph Studio 调试与可视化。接入 LangChain 的模型/工具能力。生产阶段在业务服务里用 Python SDK/HTTP 调用“LangSmith Deployment”托管的 LangGraph API。用 LangSmith 做统一 Tracing、评估、监控。如果你需要我可以基于你的场景比如多轮客服、RAG Agent、自动化流水线帮你列一份“最小可用生态组合”用哪些仓库、从哪个示例改起、本地 vs 云端怎么跑。