摘要： LangChain是通用AI Agent开发框架，提供工具调用、RAG等基础能力；LangGraph是其子框架，专注多Agent协作与复杂工作流编排（如分支、循环、状态管理）。两者关系互补：LangChain解决“单个Agent做什么”，LangGraph解决“多个Agent如何协同”。在医疗MCP服务场景中，简单查询用LangChain即可，而批量处理、异常审核等复杂流程需结合LangG

开源Agent框架选型推荐（150字摘要） 推荐三款符合"可二次开发管理端+非低代码+原生支持Skill标准"的开源Agent框架： LangGraph+LangServe（Python）：LangChain官方出品，自带React管理后台，支持SKILL.md/MCP标准，模块化设计适合深度定制，部署简单（langserve start即可启动）。 AgentScope（Go

本文探讨了在医疗行业采用"大模型+MCP+Skills"架构替代传统RAG模式的可行性。通过苏格拉底式提问分析，指出Skills在封装医疗规则判断（如检验危急值预警）方面具有执行准确、响应快速的优势，但需解决可解释性、责任归属等关键问题。研究建议采用混合架构：Skills处理明确规则判断并返回执行过程，RAG提供知识解释，大模型担任调度者和解释者角色。该方案需满足临床验证、规则

本文探讨了通用大模型术语Skills与LangChain组件的对应关系，指出LangChain虽未直接使用Skills概念，但通过Tools、Toolkits和Agents实现了同等功能。文章从三个方面进行分析：首先明确Skills的官方定义是模块化、可组合的功能单元；然后建立Skills与LangChain组件的技术映射关系，表明Tool对应原子技能，Toolkit管理技能集合，Agent负责智

本文介绍了一个门诊病历自动化处理系统，该系统通过封装3个串联Skill实现全流程自动化处理： PDF病历解析Skill：提取PDF格式门诊记录的文本内容 医疗术语结构化Skill：将非结构化文本转为标准化字段（症状、诊断、用药、医嘱） 诊断编码映射Skill：将诊断结果映射为ICD-10国际医疗编码 系统采用LangChain Agent实现流程调度，无需人工干预。

摘要： LangGraph 是构建医疗AI混合架构（大模型+Skills+RAG）的理想框架，其图结构可清晰定义临床决策流程。通过节点分工（意图分类、规则执行、知识检索、数据获取、结果整合）和条件分支，实现精准路由与协同。优势包括：职责分离（Skills专注规则，大模型负责调度与整合）、流程可视化、安全可追溯（关键节点人工审核）。与医疗协作平台（MCP）结合时，LangGraph作为工作流引擎，M

开源Agent框架选型推荐（150字摘要） 推荐三款符合"可二次开发管理端+非低代码+原生支持Skill标准"的开源Agent框架： LangGraph+LangServe（Python）：LangChain官方出品，自带React管理后台，支持SKILL.md/MCP标准，模块化设计适合深度定制，部署简单（langserve start即可启动）。 AgentScope（Go

本文探讨了在医疗行业采用"大模型+MCP+Skills"架构替代传统RAG模式的可行性。通过苏格拉底式提问分析，指出Skills在封装医疗规则判断（如检验危急值预警）方面具有执行准确、响应快速的优势，但需解决可解释性、责任归属等关键问题。研究建议采用混合架构：Skills处理明确规则判断并返回执行过程，RAG提供知识解释，大模型担任调度者和解释者角色。该方案需满足临床验证、规则