用途
本技能聚焦 LangChain 中构建智能体的基础能力，核心是使用 create_agent() 创建智能体。create_agent() 是官方推荐的智能体构建方式，它负责处理智能体循环、工具执行与状态管理。内容同时提供 Python 与 TypeScript 两种语言的示例。
主要能力
1. 使用 create_agent 创建智能体
create_agent() 支持以下配置参数：
- model：使用的 LLM，例如 "anthropic:claude-sonnet-4-5" 或模型实例。
- tools：工具列表，例如 [search, calculator]。
- system_prompt / systemPrompt：智能体指令，例如 "You are a helpful assistant"。
- checkpointer：状态持久化，例如 MemorySaver()。
- middleware：处理钩子，例如 Python 的 [HumanInTheLoopMiddleware] 或 TypeScript 的 [humanInTheLoopMiddleware({...})]。
Python 示例使用 from langchain.agents import create_agent 与 from langchain_core.tools import tool，通过 @tool 装饰器定义工具，调用 agent.invoke() 并读取 result["messages"][-1].content。
TypeScript 示例使用 import { createAgent } from "langchain"、import { tool } from "@langchain/core/tools" 与 zod，通过 tool() 函数定义工具，调用 await agent.invoke() 并读取 result.messages[result.messages.length - 1].content。
2. 定义工具
工具是智能体可以调用的函数。Python 使用 @tool 装饰器，TypeScript 使用 tool() 函数。示例中定义了 get_weather 与 add 工具，工具描述需清晰具体，并说明参数含义。
3. 中间件
中间件拦截智能体循环，用于添加人工审批、错误处理、日志等。资料强调深入理解中间件对生产级智能体至关重要：
- 使用 HumanInTheLoopMiddleware（Python）/ humanInTheLoopMiddleware（TypeScript）实现审批工作流。
- 使用 @wrap_tool_call（Python）/ createMiddleware（TypeScript）实现自定义钩子。
关键导入：
- Python：
from langchain.agents.middleware import HumanInTheLoopMiddleware, wrap_tool_call - TypeScript：
import { humanInTheLoopMiddleware, createMiddleware } from "langchain"
关键模式：
- HITL：
middleware=[HumanInTheLoopMiddleware(interrupt_on={"dangerous_tool": True})]，需要 checkpointer 与 thread_id。 - 中断后恢复：
agent.invoke(Command(resume={"decisions": [{"type": "approve"}]}), config=config)。 - 自定义中间件：@wrap_tool_call 装饰器（Python）或 createMiddleware({ wrapToolCall: ... })（TypeScript）。
4. 结构化输出
可通过 response_format 或 with_structured_output() 获取带类型、经过校验的响应。
- 方式一：智能体结构化输出，
create_agent(model="gpt-4.1", tools=[search], response_format=ContactInfo)，结果读取 result["structured_response"]。 - 方式二：模型级结构化输出（无需智能体），
model.with_structured_output(ContactInfo)。
Python 使用 Pydantic 的 BaseModel 与 Field 定义结构；TypeScript 使用 zod 定义结构，并调用 model.withStructuredOutput(ContactInfo)。
5. 模型配置
create_agent 接受模型字符串（如 "anthropic:claude-sonnet-4-5"、"openai:gpt-4.1"）或模型实例以进行自定义设置，例如 ChatAnthropic(model="claude-sonnet-4-5", temperature=0)。
使用方式与常见错误对照
资料给出了多组错误与正确写法对照：
- 工具描述：应清晰具体并包含 Args 说明，避免模糊描述。
- 状态持久化：需添加 checkpointer 与 thread_id，否则智能体在多次调用之间会遗忘信息。
- 迭代限制：应在 config 中设置 recursion_limit（Python）/ recursionLimit（TypeScript），避免无限循环。
- 结果读取：应从结果字典/对象中读取 messages，而非直接访问 result.content。
适用场景
适用于需要构建 LangChain 智能体、定义工具、实现人工审批与错误处理、获取结构化输出，以及需要跨调用保持会话状态的开发场景。
限制
资料未提供该技能的安装命令、收费方式、平台支持范围或性能效果等信息，暂未提供。