LangGraph生态迎来了一波开源项目，聚焦于增强智能体的能力。LangGraph Swarm构建类似蜂群的多智能体系统，智能体间动态移交控制权，实现协同工作。LangMem SDK帮助智能体通过长期记忆学习和改进，提取对话信息，优化智能体行为。trustcall旨在提高LLM生成和修改复杂JSON结构的效率和准确性。langgraph-supervisor用于创建层次化的多智能体系统，通过中央监督者Agent协调多个专业智能体的任务与沟通。这些项目共同推动了LangGraph生态的蓬勃发展。

👯LangGraph Swarm：用于构建类似蜂群的多智能体系统，智能体根据专业领域动态移交控制权，并记住最后活跃的智能体，确保对话持续性。

🧠LangMem SDK：通过长期记忆学习和改进智能体的库，提供提取对话信息、优化智能体行为的工具，并维护关于行为、事实和事件的长期记忆，使智能体能够记住重要细节。

🛠️trustcall：基于 LangGraph 的工具调用库，通过让 LLM 生成 JSON 补丁操作来提高生成和修改复杂 JSON 结构的效率和准确性。

🧑‍✈️langgraph-supervisor：创建层次化的多智能体系统，允许用户创建一个中央监督者Agent，协调多个专业智能体的任务与沟通，并根据当前上下文和任务需求决定调用哪个Agent。

PaperIdea 2025-03-02 22:10 湖北

LangGraph Swarm，LangMem、trustcall、langgraph-supervisor

LangGraph预构建Agents（Prebuilt Agents）生态迎来一波新的开源项目，涉及：群体智能体、智能体记忆管理、特定任务智能体，层次化多智能体，硬核开源...，此前的open_deep_research也受到广泛关注，收获1.8k star。

一、LangGraph Swarm

撞名OpenAI多智能体框架Swarm，用于创建类似蜂群（swarm）的多智能体系统，智能体根据其专业领域动态地将控制权移交给彼此。系统会记住最后活跃的智能体，确保在后续交互中，对话会从该智能体继续进行。

多智能体协作：使专业化的智能体能够协同工作，并相互传递上下文。

可定制的交接工具：内置用于智能体之间通信的工具。

该库基于 LangGraph 构建，这是一个强大的框架，用于构建智能体应用程序，并且开箱即用地支持：流式处理、短期和长期记忆、人机协同（human-in-the-loop）。

pip install langgraph-swarm

https://github.com/langchain-ai/langgraph-swarm-py

二、LangMem

LangMem SDK，一个帮助智能体通过长期记忆学习和改进的库。它提供了从对话中提取信息的工具，通过更新提示来优化智能体的行为，并维护关于行为、事实和事件的长期记忆。

语义记忆用于存储关键事实（及其关系）以及其他信息，这些信息为智能体的响应提供了基础。它使智能体能够记住那些不会被“预先训练”到模型本身中的重要细节，而这些细节也无法通过网络搜索或通用检索器获得。

程序性记忆代表了执行任务的内化知识。它与情景记忆不同，因为它专注于通用技能、规则和行为。对于 AI 智能体来说，程序性记忆通过模型权重、智能体代码和智能体的提示共同保存，这些因素共同决定了智能体的功能。在 LangMem 中，专注于将学到的程序作为更新后的指令保存到智能体的提示中。

pip install -U langmem

https://blog.langchain.dev/langmem-sdk-launch/https://github.com/langchain-ai/langmem

三、trustcall

基于 LangGraph 的强大工具调用库，旨在通过让 LLM（大型语言模型）生成 JSON 补丁操作来提高生成和修改复杂 JSON 结构的效率和准确性

https://github.com/hinthornw/trustcall

四、langgraph-supervisor

用于创建层次化的多智能体（Multi-Agent）系统，允许用户创建一个中央监督者Agent，通过这个超级智能体协调多个专业智能体的任务与沟通，并根据当前上下文和任务需求决定调用哪个Agent。

创建监督者代理，来调度多个专业化Agent；

基于工具的Agent交接机制，实现Agent间的沟通；

灵活的消息历史管理，用于控制对话。

https://github.com/langchain-ai/langgraph-supervisor-py

阅读原文

跳转微信打开