用途：该技能用于掌握 LangGraph，构建生产可用的 AI 智能体，强调对执行流程的精细控制、持久化与复杂状态管理。资料称 LangGraph 是兼具声明式与命令式 API 的编排框架，专注生产智能体的控制力与持久性，不隐藏复杂度，而是提供构建块；并建议用其替代旧版 AgentExecutor。
主要能力：列出六项生产特性——并行化、流式输出、检查点、人在回路、追踪、任务队列。核心模式包括：带工具的智能体（create_react_agent，可配 MemorySaver 检查点并流式运行）、多智能体协作（supervisor 节点通过条件边路由到 researcher、analyst、writer 等专家）、人在回路（用 interrupt() 暂停，配合 SqliteSaver 等检查点，通过 thread_id 恢复执行）。状态管理分短期记忆（会话内，MemorySaver）与长期记忆（持久化，PostgresSaver）。高级控制流涵盖条件路由、循环重试、并行扇出与扇入聚合。生产部署涉及 astream_events 流式、节点错误处理与回退、以及通过环境变量开启 LangSmith 追踪。
使用方式：以 StateGraph 定义状态、添加节点与边、编译为 app 后调用 invoke/stream；有状态对话需设置 config 中的 thread_id。集成示例给出 ChatAnthropic、ChatOpenAI 及 MCP 工具（MCPTool.from_server）的用法。
适用场景：需要对智能体执行有细粒度控制、构建复杂状态机、要求人在回路审批、需要生产级持久化、或需支持多 LLM 提供方时。
限制与替代：若需要托管平台或可视化构建器、更简单 API、或仅在 Oracle Cloud 上构建，资料建议改用其他方案。文档与代码见 https://langchain-ai.github.io/langgraph/ 与 https://github.com/langchain-ai/langgraph。