本文提出了一种支持多轮交互的多智能体架构，通过引入特殊中断节点实现用户输入收集与智能体跳转。文章以影院和餐厅推荐为例，详细介绍了实现步骤：1)初始化大模型和检查点；2)创建影院推荐智能体，根据用户位置推荐3家影院；3)创建就餐推荐智能体，基于影院位置推荐周边餐厅；4)设计特殊节点处理用户中断输入；5)封装两个智能体节点；6)构建网状多智能体图结构。测试结果表明，该系统能有效实现"观影-用

本文实现了一个基于网状架构的双智能体系统，包含比价和下单两个功能模块。比价智能体通过搜索引擎查询京东、拼多多和淘宝三大电商平台的商品价格，找出最低价平台；下单智能体则在指定平台完成购买。通过创建跳转工具实现两个智能体之间的协作，形成去中心化的网状架构。测试结果显示，系统能成功完成ThinkPad X16的比价（拼多多3471.2元最优）和下单全流程。该架构展示了多智能体协作的可行性，但也指出当智能

本文基于MCP创建监督者架构多智能体，首先基于langgraph_supervisor库中的create_supervisor创建监督者智能体，然后部分手搓实现监督者架构多智能体，最后再说明如何简化智能体之间交接时的数据传递。

本文介绍了如何将MCP（多工具调用协议）集成到智能体系统中。首先阐述了两种创建MCP服务的方法：本地服务和远程服务，分别通过Python示例展示了实现计算器工具和搜索引擎工具的步骤。然后详细说明了智能体如何连接MCP服务并获取工具列表，最终将这些工具集成到基于LangGraph构建的聊天机器人中。整个过程包括MCP服务的安装、创建、部署以及与智能体系统的对接，为实现智能体工具调用的标准化提供了完整

本文介绍了多智能体系统的概念与架构设计。针对单智能体存在的扩展维护困难、上下文理解不足等问题，提出了借鉴微服务思想的模块化多智能体方案，具有模块化、专业化和可控性优势。重点阐述了五种多智能体架构：网状架构（全连接）、监督者架构（中心控制）、基于工具调用的监督者架构、层次架构（多层监督）和自定义混合架构。通过LangGraph框架的Command机制实现了智能体间的内部交接和跨智能体交接，并提供了P

本文介绍了父子图集成的方法与应用。首先阐述了两种父子图集成方式：当父子图状态相同时，子图可直接作为父图节点运行；状态不同时需在父图节点内调用子图并进行状态适配。其次说明了子图状态的查看方法，仅能在子图中断时获取状态快照。最后提及了子图流式输出的实现方式。文章通过代码示例展示了父子图共享频道、状态适配、中断恢复等具体实现，为构建多智能体系统提供了技术基础。

本文介绍了大模型与工具协同工作的机制。工具作为函数扩展了大模型能力，但实际执行由智能体完成。文章详细展示了如何创建工具（如加法工具）、在agent中动态选择工具子集、在工作流中绑定工具节点等实现方法，并提供了工具定制（命名和输入模式定义）的示例代码。

本文介绍了如何在LangGraph中使用LangChain集成大模型。主要内容包括：1) 两种初始化大模型的方法（传统方法和init_chat_model）；2) 在工作流和Agent中使用大模型，支持动态选择不同模型（如qwen-plus和deepseek-chat）；3) 模型配置技巧：禁用流模式、设置容错后备模型（主模型失效时自动切换）和实现限流控制（通过InMemoryRateLimite

前面创建的langgraph服务都是agent服务，本文创建一个基于工作流的langgraph服务。该工作流用于电子印章系统中，支持用户通过AI实现电子印章的申请、管理，也可以直接使用聊天工程。

前面创建的langgraph服务都是agent服务，本文创建一个基于工作流的langgraph服务。该工作流用于电子印章系统中，支持用户通过AI实现电子印章的申请、管理，也可以直接使用聊天工程。