framework-selection

LangChain、LangGraph 和 Deep Agents 是**分层的**，而非相互竞争的选择。每一层都构建在下一层之上：

┌─────────────────────────────────────────┐
│              Deep Agents                │  ← highest level: batteries included
│   (planning, memory, skills, files)     │
├─────────────────────────────────────────┤
│               LangGraph                 │  ← orchestration: graphs, loops, state
│    (nodes, edges, state, persistence)   │
├─────────────────────────────────────────┤
│               LangChain                 │  ← foundation: models, tools, chains
│      (models, tools, prompts, RAG)      │
└─────────────────────────────────────────┘

选择更高层并不会让你无法使用低层功能——你可以在 Deep Agents 中使用 LangGraph 图，也可以在两者中使用 LangChain 基元。

**在选择其他技能或编写 Agent 代码之前，应先在任何项目中加载此技能。**你选择的框架决定了接下来要调用哪些其他技能。

---

决策指南

按顺序回答以下问题：

问题	是 →	否 →
任务是否需要将工作拆分为子任务、在较长的会话中管理文件、使用持久记忆或按需加载技能？	Deep Agents	↓
任务是否需要复杂的控制流——循环、动态分支、并行工作者、人类参与环节或自定义状态？	LangGraph	↓
这是一个接收输入、运行工具并返回结果的单一用途 Agent 吗？	LangChain（create_agent）	↓
这是一次纯模型调用、检索流水线，或不包含 Agent 循环的简单提示词链吗？	LangChain（直接模型调用 / 链）	—

---

框架概览

LangChain — 适用于专注且独立的任务

最适合：

• 使用固定工具集的单一用途 Agent
• RAG 流水线和文档问答
• 模型调用、提示词模板、输出解析
• Agent 逻辑简单的快速原型

不太适合：

• Agent 需要跨多个步骤进行规划
• 状态需要在多个会话间持久保存
• 控制流包含条件或迭代

接下来要调用的技能： langchain-fundamentals、langchain-rag、langchain-middleware

LangGraph — 适用于需要自行控制流程的场景

最适合：

• 带有分支逻辑或循环的 Agent（例如，反复重试直到正确、反思）
• 不同路径取决于中间结果的多步骤工作流
• 在特定步骤进行人类参与审批
• 并行扇出 / 扇入（MapReduce 模式）
• 会话内多次调用之间的持久状态

不太适合：

• 希望由框架代为处理规划、文件管理和子 Agent 委派（改用 Deep Agents）
• 工作流足够简单，使用简单 Agent 即可实现

接下来要调用的技能： langgraph-fundamentals、langgraph-human-in-the-loop、langgraph-persistence

### Deep Agents — 适用于开放式、多维度的任务

最适合：

• 需要拆分为待办事项列表的长时间运行任务
• 需要在一个会话中读取、写入和管理文件的 Agent
• 将子任务委派给专用子 Agent
• 按需加载特定领域技能
• 能够跨多个会话持久保存的记忆

不适合：

• 任务简单到可以由单一用途的 Agent 完成
• 需要对每条图边进行精确、手动控制（请直接使用 LangGraph）

中间件 — 内置且可扩展：

Deep Agents 开箱即带有内置中间件层 — 你只需配置它，而不必实现它。以下中间件已预先接入；你也可以在此基础上添加自定义中间件：

中间件	提供的功能	始终启用？
TodoListMiddleware	write_todos 工具 — Agent 规划并跟踪多步骤任务	✓
FilesystemMiddleware	ls、read_file、write_file、edit_file、glob、grep 工具	✓
SubAgentMiddleware	task 工具 — 将工作委派给指定名称的子 Agent	✓
SkillsMiddleware	按需从技能目录加载 SKILL.md 文件	选择启用
MemoryMiddleware	通过 Store 实例跨会话保留长期记忆	选择启用
HumanInTheLoopMiddleware	在调用敏感工具前中断流程并请求人工批准	选择启用

接下来要调用的技能： deep-agents-core、deep-agents-memory、deep-agents-orchestration

---

混合使用各层

由于这些框架采用分层设计，因此可以在同一个项目中组合使用。最常见的模式是将 Deep Agents 用作顶层协调器，同时针对专用子 Agent 使用 LangGraph。

何时混合使用

场景	推荐模式
主 Agent 需要规划和记忆，但某个子任务需要精确控制图结构	Deep Agents 协调器 → LangGraph 子 Agent
专用流水线（例如 RAG、反思循环）由更广泛的 Agent 调用	将 LangGraph 图包装为工具或子 Agent
进行高级别协调，但针对特定领域使用底层图	Deep Agents + 作为子 Agent 的 LangGraph 编译图

实际运作方式

可以将 LangGraph 编译图注册为 Deep Agents 中的子 Agent。这意味着你可以构建一个受严格控制的 LangGraph 工作流（例如检索与验证循环），然后将其交给 Deep Agents 的 task 工具，作为一个具名子 Agent — Deep Agents 协调器会将任务委派给它，而无需了解其内部图结构。

LangChain 工具、链和检索器可以在 LangGraph 节点和 Deep Agents 工具中自由使用 — 它们是各层共用的构建模块。

---

快速参考

	LangChain	LangGraph	Deep Agents
控制流	固定（工具循环）	自定义（图）	托管（中间件）
中间件层	仅回调	✗ 无	✓ 显式、可配置
规划	✗	手动	✓ TodoListMiddleware
文件管理	✗	手动	✓ FilesystemMiddleware
持久记忆	✗	使用检查点保存器	✓ MemoryMiddleware
子 Agent 委派	✗	手动	✓ SubAgentMiddleware
按需加载技能	✗	✗	✓ SkillsMiddleware
人在回路中	✗	手动中断	✓ HumanInTheLoopMiddleware
自定义图边	✗	✓ 完全控制	有限
设置复杂度	低	中	低
灵活性	中	高	中

中间件是 LangChain（回调）和 Deep Agents（显式中间件层）特有的概念。LangGraph 没有中间件 — 你需要将行为直接接入节点和边。