用途：面向 LangGraph 工作流设计与管理状态 schema，解决状态定义、数据累积、更新合并与持久化等问题。
主要能力：状态定义支持 TypedDict 与 Pydantic 两种方式；提供 MessagesState 模式与 add_messages reducer，可按 ID 追加、更新并去重消息；用 Annotated[list[T], add] 实现多智能体输出累积；支持自定义 reducer，如 merge_dicts 合并字典、last_value 保留最新值；可用 context_schema 传递不入状态的运行时配置；支持 CachePolicy 与 InMemoryCache 缓存昂贵节点结果；RemainingSteps 用于主动处理递归限制。
使用方式：TypedDict 示例中定义 WorkflowState 并为 agent_responses 字段标注 Annotated[list[dict], add]；推荐继承 MessagesState 或手动使用 Annotated[list, add_messages]；Pydantic 方案用于边界数据校验。节点应返回新状态而非原地修改，例如返回 {**state, "output": "result"}。context_schema 通过 StateGraph(WorkflowState, context_schema=ContextSchema) 传入，调用时用 graph.invoke({...}, context={...})。缓存通过 builder.add_node(..., cache_policy=CachePolicy(ttl=300)) 与 builder.compile(cache=InMemoryCache()) 启用。
适用场景：多智能体工作流、需要累积中间结果、需要合并非持久化运行时配置或缓存重复嵌入/LLM 调用的 LangGraph 应用。
限制与注意：忘记 add reducer 会导致覆盖而非累积；原地修改状态会破坏检查点；状态过深不便调试；缺少类型提示会失去 IDE 支持；运行时配置不应放入状态；昂贵操作未缓存会重复执行。资料另提示 MessageGraph 在 LangGraph v1.0.0 中已弃用，应改用带 messages 键的 StateGraph。具体版本兼容、安装命令与评测细节资料中暂未提供。