2. ?? 10 分鐘極速體驗：零代碼上線第一個多 Agent 工作流

2.1 準備賬號

2.2 在 LangGraph Cloud 創建項目

1. 登錄 → New Project → 選擇模板 Multi-Agent Travel Planner
2. 點擊 Visual Editor

?? 畫布說明（表格速查）

3. 點擊 Deploy → 獲得 HTTPS Endpoint：
   https://api.langgraph.app/run/travel-planner-{your-id}

4. 用 curl 測試：

curl -X POST https://api.langgraph.app/run/travel-planner-{your-id} \
  -H "Content-Type: application/json" \
  -d '{"query":"帶爸媽去東京5天，預算2萬，行程不要太累"}'

返回結果（截斷）：

{
  "status": "success",
  "plan": {
    "flights": {...},
    "hotels": {...},
    "itinerary": {...}
  },
  "total_cost": "￥19,800"
}

3. ??? 可視化畫布實操：節點擴展與并行編排

3.1 本地開發環境 3 行命令

pip install "langgraph[cli]"  # 官方 CLI
langgraph new multi-agent-tutorial
cd multi-agent-tutorial && langgraph up
# 瀏覽器自動打開 http://localhost:8000/ui

3.2 新增自定義節點：價格監控器

需求：在旅行規劃結束后，每 12 小時監控機票價格變化，降價即推送。

步驟 1：編寫節點函數

from langgraph.graph import StateGraph
from typing import TypedDict

class TravelState(TypedDict):
    plan: dict
    alerts: list

def price_monitor(state: TravelState):
    # 調用 Skyscanner API 獲取最新價格
    new_price = skyscanner.fetch(state["plan"]["flights"]["id"])
    if new_price < state["plan"]["flights"]["price"]:
        state["alerts"].append({"type": "price_drop", "new_price": new_price})
    return state

步驟 2：插入循環邊

builder = StateGraph(TravelState)
builder.add_node("planner", planner)
builder.add_node("monitor", price_monitor)

# 先規劃，再進入監控循環
builder.add_edge("planner", "monitor")
builder.add_edge("monitor", "monitor")  # 自循環

步驟 3：在 UI 中可視化調試

本地 UI 支持拖拽添加節點，右鍵節點 → Edit Node 可直接修改 Python 代碼并熱重載。

4. 三大真實落地場景（含可運行代碼）

4.1 場景 A：AI 新聞編輯部

代碼片段（精簡）：

from langgraph.prebuilt import create_react_agent

interviewer = create_react_agent(
    llm=ChatOpenAI(model="gpt-4o"),
    tools=[JinaReader(), GoogleFactCheck()]
)

4.2 場景 B：企業級客服工單

• 工單量：日均 2 萬
• Agent 數：8（路由、退款、技術、投訴…）
• SLA：首次響應 ;30 秒，解決率 92%

4.3 場景 C：金融風控多智能體

全部節點通過 共享內存 傳遞 RiskState，延遲 2 秒。

5. ?? 性能、成本、可觀測性：生產級 checklist

5.1 性能調優表

5.2 成本監控面板

使用 LangSmith Cost Dashboard

• ?? 實時 Token 費用
• ?? 預算閾值告警
• ?? 模型級對比（圖 3）

5.3 可觀測性 4 件套

6. ?? 結語

如果你在 2025 年想讓 AI 真正“協作”而非“單打獨斗”，LangGraph 是目前最成熟的選擇。

#你可能也喜歡這些API文章!

使用Scala Play框架構建REST API

構建API時值得使用的4個實用VS Code擴展

api 認證與授權的最佳實踐

Jenkins API使用教程

小米開放平臺集成全攻略：開發、測試與優化

什么是GraphRAG

智能旅行API：你的完美旅行規劃助手

10 個最佳 API 設計實踐

旅游供應商的Travel Booking APIs [Onix概覽]