create_react_agent(model, tools) 和 graph_builder.add_conditional_edges 的联系和区别

create_react_agent(model, tools) 和 graph_builder.add_conditional_edges 的联系和区别

这两者都是在LangGraph 框架下用于构建智能代理（Agent）工作流的，但它们的作用完全不同：

联系

通常，你会先用 create_react_agent(model, tools) 创建一个可以调用工具的 AI 代理，然后在 LangGraph 的工作流 里用 graph_builder.add_conditional_edges 控制代理的执行流程。

换句话说：

• create_react_agent(model, tools) 让 AI 代理能使用工具来处理任务。
• graph_builder.add_conditional_edges 则决定 AI 代理完成任务后，下一个应该执行的步骤。

它们经常配合使用，比如：

1. 先用 create_react_agent(model, tools) 让 AI 代理能查询数据库、调用 API 等。
2. 再用 add_conditional_edges 让 AI 代理在不同情况下执行不同的逻辑。

举例说明

场景：智能宠物助手

我们想创建一个智能宠物助手，它能够：

• 查询用户的宠物喜好（如果用户有存过宠物，就告诉他喜欢什么）
• 推荐宠物（如果用户没有存过宠物，就推荐一些宠物给他）

1. 使用 create_react_agent(model, tools)

graph = create_react_agent(model, tools)

这行代码创建了一个AI 代理，它可以调用 tools（比如 list_favorite_pets 查询宠物、update_favorite_pets 存储宠物）。

• 如果用户问“我喜欢什么宠物？”
  • 代理会调用 list_favorite_pets 工具来查询数据
• 如果用户说“我喜欢猫和狗。”
  • 代理会调用 update_favorite_pets 工具来存储信息

➡️ 这一步只是让 AI 具备调用工具的能力，但它并不决定下一步要执行哪个任务。

2. 使用 graph_builder.add_conditional_edges

graph_builder.add_conditional_edges(
    "check_pets",  # 当前步骤
    lambda data: "recommend_pets" if not data["pets"] else "show_pets",  # 条件判断
)

这行代码的作用是：

• 如果 data["pets"] 为空（用户没有存过宠物），执行 "recommend_pets"（推荐宠物）。
• 否则，执行 "show_pets"（告诉用户他喜欢的宠物）。

完整的流程

1. 用户输入：“我喜欢什么宠物？”
2. AI 代理调用 list_favorite_pets 查询宠物
3. 工作流分支
   • 如果有宠物信息，执行 show_pets，回复“你喜欢猫和狗”。
   • 如果没有宠物信息，执行 recommend_pets，回复“你可以试试养猫或狗”。

总结

一句话总结

• create_react_agent(model, tools) 让 AI 代理能调用工具，但不管执行顺序。
• graph_builder.add_conditional_edges 决定执行顺序，但不涉及 AI 解析。

它们经常搭配使用，create_react_agent 负责执行任务，add_conditional_edges 负责控制任务流。