LangChain：定位、安装与第一个 Agent
LangChain 的核心价值是用相近接口连接模型、工具和 Agent 循环。Python 主包为 langchain，具体模型通常还需要对应提供商集成包。安装包与凭据环境变量应按所选提供商的官方说明配置。
最小 Agent 由模型、工具和系统提示组成：
from langchain.agents import create_agent
def get_weather(city: str) -> str:
"""查询城市天气。"""
return f"{city}：晴"
agent = create_agent(
model="provider:model-name",
tools=[get_weather],
system_prompt="回答前先使用可用工具核实事实。",
)
result = agent.invoke({
"messages": [{"role": "user", "content": "上海天气如何？"}]
})
这里的模型名称只是占位符。一次执行可能经历“模型生成工具调用—应用执行函数—工具结果写回消息—模型生成最终答案”。模型并不直接执行 Python 函数，工具权限和真实副作用由宿主应用控制。
create_agent 是可配置 Harness，而不是一个有固定能力的成品 Agent。模型、工具、提示词、状态、上下文和中间件共同决定实际行为。Deep Agents 提供更多预组装能力；LangGraph 提供更低层的流程控制。