LangGraph Supervisor：利用监督智能体来管理多智能体协作的工具

综合介绍

LangGraph Supervisor是一个基于LangGraph框架的Python库，专为创建和管理多智能体系统而设计。该库通过一个中央监督代理协调多个专门代理的工作，确保通信流和任务分配的高效管理。LangGraph Supervisor支持路由器和协调器模式，提供工具化的代理交接机制，灵活的消息历史管理，适用于流式处理、短期和长期记忆以及人类在环的应用场景。

功能列表

• 创建监督代理以协调多个专门代理
• 支持路由器和协调器模式
• 工具化的代理交接机制
• 灵活的消息历史管理
• 支持流式处理、短期和长期记忆
• 人类在环的应用场景支持

使用帮助

安装流程

1. 确保已安装Python环境。
2. 使用pip安装LangGraph Supervisor库：

   pip install langgraph-supervisor

3. 安装LangChain和OpenAI库：

   pip install langchain-openai

4. 设置OpenAI API密钥：

   export OPENAI_API_KEY=<your_api_key>

使用示例

以下是一个简单的示例，展示如何使用LangGraph Supervisor管理两个专门代理：

1. 导入必要的库和模块：

   from langchain_openai import ChatOpenAI
from langgraph_supervisor import create_supervisor
from langgraph.prebuilt import create_react_agent

2. 创建专门代理：

   def add(a: float, b: float) -> float:
"""Add two numbers."""
return a + b
def multiply(a: float, b: float) -> float:
"""Multiply two numbers."""
return a * b
def web_search(query: str) -> str:
"""Search the web for information."""
return "Here are the headcounts for each of the FAANG companies in 2024:..."
model = ChatOpenAI(model="gpt-4o")
math_agent = create_react_agent(model=model, tools=[add, multiply], name="math_expert", prompt="You are a math expert. Always use one tool at a time.")
research_agent = create_react_agent(model=model, tools=[web_search], name="research_expert", prompt="You are a world class researcher with access to web search. Do not do any math.")

3. 创建监督代理并编译运行：

   workflow = create_supervisor([research_agent, math_agent], model=model, prompt="You are a team supervisor managing a research expert and a math expert.")
app = workflow.compile()
result = app.invoke({
"messages": [
{"role": "user", "content": "what's the combined headcount of the FAANG companies in 2024?"}
]
})

详细功能操作流程

1. 创建监督代理：通过create_supervisor函数创建一个监督代理，负责协调多个专门代理的工作。
2. 定义专门代理：使用create_react_agent函数定义不同功能的专门代理，如数学计算代理和网络搜索代理。
3. 编译和运行工作流：通过workflow.compile()编译工作流，并使用app.invoke()运行工作流，处理用户输入的消息并返回结果。

LangGraph Supervisor提供了灵活的多智能体系统管理方案，适用于各种复杂任务的自动化处理和协调。