给 Agent 一个真正的工作空间——不只是调用工具，还Neng读写文件、执行代码：

说实话，这才是咱想要的智Neng体，不再是纸上谈兵。

下面是一个完整的跨平台出行示例——携程订机票、美团订酒店、滴滴打车：

这是「多 Agent 协作」的核心基础，害，你懂的。

result = agent.invokeprint LangChain教你大模型如何自主使用工具解决问题

咱就是说大模型要是Neng自主使用工具，那才是真的强。

create_agent 是一个高度可配置的 harness，它将模型、提示词、工具和中间件组装在一起。

哈哈，这玩意儿真香。

from langchain.agents import create_agentagent = create_agent Tools

传入任意 Python 可调用对象、LangChain 工具或工具字典。

支持 @tool 装饰器快速定义，你懂的。

# 流程：Agent 想调用高危工具 → 暂停 → 人工同意 → 继续执行

Agent 暂停等待，人类审批 / 编辑 / 拒绝，然后继续执行。

说实话，这一步hen关键，不然咱没法控制风险。

Ru果你把 MCP 作为工具接入 create_agent，还Neng额外获得：

这背后是 MCP的标准化Neng力——让 Agent 对接所有 MCP 服务就像对接本地函数一样简单。

agent = create_agent 为什么百度不收录我的文章？

这个问题啊，挺常见的。

有人说是因为百度算法geng新导致的收录减少；还有人说是因为内容质量不够高，被百度判断为低质量页面所以不收录。

具体原因得具体分析，但有一点是肯定的——高质量的内容永远是王道。

from langchain.agents import create_agentfrom langchain_mcp_adapters.client import MultiServerMCPClientfrom pathlib import Pathfrom llm import llmimport asyncioasync def get_tools: client = MultiServerMCPClient.parent / "products_mcp.py")], } }) tools = await client.get_tools return toolsdef track_react_cycle: """追踪并可视化 ReAct 循环全过程""" print step = for msg in messages: msg_type = msg.__class__.__name__ if msg_type == "AIMessage" and hasattr and msg.tool_calls: print for tool_call in msg.tool_calls: print") step += elif msg_type == "ToolMessage": print elif msg_type == "AIMessage" and not and msg.tool_calls): printasync def main: tools = await get_tools agent = create_agent result = await agent.ainvoke print print for msg in result: if hasattr: print print print track_react_cycleif __name__ == "__main__": asyncio.run) 上下文管理

随着 Agent 运行，历史消息、工具结果、中间步骤不断累积，会撑爆上下文窗口。

不对不对，应该是合理管理上下文，不然会出问题。 这套中间件解决此问题，你懂的。

定义 Agent 的角色和行为规则。 接受字符串或 SystemMessage，hen灵活。 有些策略不Neng只靠提示词——需要确定性地强制执行，无论模型Zuo什么。 agent = createagent 关键点： 中间件是 createagent Zui强大的 机制。 每个中间件处理一个关注点，在 Agent 循环的合适时机介入，且Ke以自由组合。 官方文档将中间件分为六个大类，哈哈，真详细。