LangGraph Agent Project

AI Agent System with LangGraph, FastAPI Backend, and Vue.js Frontend

目標

構建能自主規劃和調用工具的 AI 系統，實現：

• 天氣搜索 (使用 OpenWeather API)
• 數學計算
• 網絡搜索 (使用 DuckDuckGo)
• 根據任務自主選擇工具
• Deep Reasoning (任務分解)
• 評估系統 (Evaluation)

技術棧

• LangGraph: 狀態機、循環工作流
• LangChain: Tool Calling
• FastAPI: REST API 伺服器
• MongoDB: 訊息與執行緒持久化
• Ollama: 本地 LLM (qwen3.5:9b)

Demo

demo_video_1.mp4

項目結構

langgraph_agent/
├── src/                       # LangGraph 核心模組
│   ├── __init__.py
│   ├── tools.py              # 工具定義
│   ├── prompts.py            # 系統提示詞
│   ├── utils.py             # 驗證、重試、上下文管理
│   ├── nodes.py             # LangGraph 節點
│   └── agent.py             # Agent 工廠
├── api/                       # FastAPI 後端
│   ├── __init__.py
│   ├── main.py              # FastAPI 應用
│   ├── routes.py            # API 路由
│   ├── services.py          # 服務層
│   ├── models.py            # Pydantic 模型
│   └── database.py          # MongoDB 連接
├── frontend/                  # Vue.js 前端
│   ├── index.html
│   └── src/
│       ├── app.js           # 主應用邏輯
│       ├── api.js           # API 客戶端
│       ├── components.js    # UI 組件
│       ├── styles.css       # 樣式
│       └── config.js        # 配置
├── agent.py                   # CLI 主程式
├── run_api.py                # API 伺服器啟動
├── evaluate_api.py           # 評估腳本
├── requirements.txt           # 依賴列表
├── .env.example              # 環境變量模板
└── README.md                 # 說明文檔

快速開始

1. 安裝依賴

pip install -r requirements.txt

2. 環境變量

cp .env.example .env

編輯 .env 文件:

# OpenWeather API (用於天氣查詢)
OPEN_WEATHER_API_KEY=your_openweather_api_key

# LangSmith 調試 (可選)
LANGCHAIN_API_KEY=your_langsmith_api_key
LANGCHAIN_TRACING_V2=true

# MongoDB (可選，使用本地訊息儲存)
MONGODB_URI=mongodb://localhost:27017

3. 啟動服務

# 確保 Ollama 服務運行
ollama serve

# 下載模型
ollama pull qwen3.5:9b

# 啟動 API 伺服器
python run_api.py

# 啟動前端 (新終端)
cd frontend
python -m http.server 8080

訪問 http://localhost:8080

API 端點

端點	方法	描述
/api/agent/chat	POST	LangGraph Agent 對話 (SSE 流式)
/api/chat	POST	簡單對話 (非 Agent)
/api/models	GET	獲取可用模型列表
/api/token-count	GET	獲取上下文 token 使用量
/api/chat/clear	POST	清除對話上下文
/api/model/set	POST	設置默認模型
/api/model/current	GET	獲取當前模型

功能

1. 天氣搜索 (get_weather)

• 使用 OpenWeather API
• 支援全球城市 (英文名稱)

2. 數學計算 (calculate)

• 基本運算：+、-、*、/、**
• 函數：sqrt、sin、cos、tan、log

3. 網絡搜索 (web_search)

• 使用 DuckDuckGo API

4. 獲取時間 (get_current_time)

• 支援時區查詢

5. Deep Reasoning

• 任務分析與分解
• 工具規劃

6. 評估系統

• LLM 自評估
• 多維度指標追蹤

Agent 架構

User Query
    ↓
┌─────────────────────────────────────────┐
│         Deep Reasoning 節點             │
│  - 任務分析                              │
│  - 工具規劃                              │
└─────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────┐
│           Agent 節點                     │
│  - 決定是否調用工具                      │
│  - 推理過程                              │
└─────────────────────────────────────────┘
    ↓
    ├──────────┐
    ↓          ↓
 需要工具    結束
    ↓
┌─────────────────────────────────────────┐
│          Tools 節點                      │
│  - get_weather                          │
│  - calculate                            │
│  - web_search                           │
└─────────────────────────────────────────┘
    ↓
    回到 Agent 節點 (循環)

評估系統

運行評估

python evaluate_api.py

評估指標

• 準確性 (Accuracy): 回覆是否正確回答問題
• 完整性 (Completeness): 是否包含所有必要資訊
• 工具使用 (Tool Usage): 是否正確使用工具
• 意圖識別 (Intent Recognition): 是否正確理解用戶意圖

LangSmith 調試

1. 在 LangSmith 創建帳戶
2. 獲取 API Key
3. 在 .env 中設置:

   LANGCHAIN_API_KEY=your_key
   LANGCHAIN_TRACING_V2=true
   LANGCHAIN_PROJECT=langgraph-agent
   

4. 訪問 LangSmith Dashboard 查看追蹤

學習重點

1. LangGraph 基礎: 狀態機、節點、邊
2. Tool Calling: 外部函數調用
3. ReAct 模式: Reasoning + Acting
4. Deep Reasoning: 任務分解與規劃
5. FastAPI: REST API 開發
6. SSE: 服務端推送
7. MongoDB: 數據持久化
8. 評估系統: LLM 自評估