跳到主要内容

基于 LangChain 开发

LangChain 是一个用于开发 LLM 应用的开源框架，提供了丰富的组件和工具链。云开发提供了 @cloudbase/agent-adapter-langchain 适配器，让 LangChain Agent 可以无缝对接 AG-UI 协议。

前置条件​

安装依赖​

npm install @cloudbase/agent-adapter-langchain @cloudbase/agent-server langchain @langchain/openai @langchain/langgraph express

快速开始​

1. 创建 LangChain Agent​

// agent.ts
import { createAgent as createLangchainAgent } from "langchain";
import { MemorySaver } from "@langchain/langgraph";
import { ChatOpenAI } from "@langchain/openai";
import { clientTools } from "@cloudbase/agent-adapter-langchain";

const checkpointer = new MemorySaver();

export function createAgent() {
  // 使用云开发内置的大模型端点
  const model = new ChatOpenAI({
    model: process.env.TCB_AI_MODEL || "hunyuan-turbos-latest",
    apiKey: process.env.TCB_API_KEY!,
    configuration: {
      baseURL: `https://${process.env.TCB_ENV_ID}.api.tcloudbasegateway.com/v1/ai/hunyuan/v1`,
    },
  });

  // 创建 Agent，使用 clientTools 中间件支持客户端工具
  return createLangchainAgent({
    model,
    checkpointer,
    middleware: [clientTools()],
  });
}
提示

云开发提供了统一的大模型 HTTP 端点，支持腾讯混元和 DeepSeek 等模型。端点格式为：

https://<ENV_ID>.api.tcloudbasegateway.com/v1/ai/<PROVIDER>/v1

其中 PROVIDER 可选 hunyuan 或 deepseek。

2. 包装并部署为 HTTP 服务​

// index.ts
import { createExpressRoutes } from "@cloudbase/agent-server";
import { LangchainAgent } from "@cloudbase/agent-adapter-langchain";
import { createAgent as createLangchainAgent } from "./agent.js";
import express from "express";

function createAgent() {
  const lcAgent = createLangchainAgent();

  return {
    agent: new LangchainAgent({
      agent: lcAgent,
    }),
  };
}

const app = express();

createExpressRoutes({
  createAgent,
  express: app,
});

app.listen(9000, () => console.log("Listening on 9000!"));

3. 配置环境变量​

创建 .env 文件：

TCB_ENV_ID=your-env-id          # 云开发环境 ID
TCB_API_KEY=your-api-key        # 云开发 API Key
TCB_AI_MODEL=hunyuan-turbos-latest       # 模型名称

支持的模型列表请参考 大模型配置指南。

4. 启动服务​

npx tsx src/index.ts

核心 API​

LangchainAgent​

将 LangChain Agent 包装为 AG-UI 兼容的 Agent：

import { LangchainAgent } from "@cloudbase/agent-adapter-langchain";

const agent = new LangchainAgent({
  agent: lcAgent,  // createAgent() 返回的 LangChain Agent
});

构造参数：

参数类型说明
agentReturnType<typeof createAgent>LangChain 的 createAgent() 返回值

clientTools()​

创建一个中间件，允许客户端动态注入工具到 Agent 调用中：

import { clientTools } from "@cloudbase/agent-adapter-langchain";

const agent = createLangchainAgent({
  model,
  checkpointer,
  middleware: [clientTools()],
});

用途：

  • 让前端客户端可以定义工具，并在调用时动态传递给 Agent
  • Agent 会将客户端工具与服务端工具合并使用

高级用法​

带服务端工具的 Agent​

import { createAgent as createLangchainAgent } from "langchain";
import { MemorySaver } from "@langchain/langgraph";
import { ChatOpenAI } from "@langchain/openai";
import { tool } from "@langchain/core/tools";
import { z } from "zod";

const checkpointer = new MemorySaver();

// 定义服务端工具
const weatherTool = tool(
  async ({ city }) => {
    // 实际项目中调用天气 API
    return JSON.stringify({
      city,
      temperature: "25°C",
      weather: "晴天",
    });
  },
  {
    name: "get_weather",
    description: "获取指定城市的天气信息",
    schema: z.object({
      city: z.string().describe("城市名称"),
    }),
  }
);

export function createAgent() {
  const model = new ChatOpenAI({
    model: process.env.OPENAI_MODEL!,
    apiKey: process.env.OPENAI_API_KEY!,
  });

  return createLangchainAgent({
    model,
    checkpointer,
    tools: [weatherTool],
  });
}

多模型支持​

云开发内置了多种大模型，通过统一的 HTTP 端点访问：

import { ChatOpenAI } from "@langchain/openai";

const envId = process.env.TCB_ENV_ID;
const apiKey = process.env.TCB_API_KEY;

// 腾讯混元
const hunyuanModel = new ChatOpenAI({
  model: "hunyuan-turbos-latest",  // 可选：hunyuan-turbos-latest, hunyuan-t1-latest, hunyuan-2.0-thinking-20251109, hunyuan-2.0-instruct-20251111
  apiKey,
  configuration: {
    baseURL: `https://${envId}.api.tcloudbasegateway.com/v1/ai/hunyuan/v1`,
  },
});

// DeepSeek
const deepseekModel = new ChatOpenAI({
  model: "deepseek-r1-0528",  // 可选：deepseek-r1-0528, deepseek-v3-0324, deepseek-v3.2
  apiKey,
  configuration: {
    baseURL: `https://${envId}.api.tcloudbasegateway.com/v1/ai/deepseek/v1`,
  },
});

如需使用外部模型 API，也可以自行配置：

import { ChatOpenAI } from "@langchain/openai";
import { ChatAnthropic } from "@langchain/anthropic";

// OpenAI（需自行获取 API Key）
const openaiModel = new ChatOpenAI({
  model: "gpt-4",
  apiKey: process.env.OPENAI_API_KEY,
});

// Anthropic（需自行获取 API Key）
const anthropicModel = new ChatAnthropic({
  model: "claude-3-opus-20240229",
  apiKey: process.env.ANTHROPIC_API_KEY,
});

流式输出​

LangchainAgent 默认支持流式输出，无需额外配置。客户端会收到流式的 TEXT_MESSAGE_CONTENT 事件。

部署​

云函数部署​

参考 HTTP 云函数部署

云托管部署​

参考 云托管部署

最佳实践​

1. 使用环境变量​

const model = new ChatOpenAI({
  model: process.env.TCB_AI_MODEL || "hunyuan-turbos-latest",
  apiKey: process.env.TCB_API_KEY,
  configuration: {
    baseURL: `https://${process.env.TCB_ENV_ID}.api.tcloudbasegateway.com/v1/ai/hunyuan/v1`,
  },
});

2. 合理设置 Temperature​

  • 需要确定性输出（如工具调用）：temperature: 0
  • 需要创意输出（如写作）：temperature: 0.7-1.0

3. 超时控制​

const model = new ChatOpenAI({
  model: "gpt-4",
  timeout: 30000, // 30 秒超时
});

相关文档​