基于 LangChain 和 GPT-4o-mini 的大模型智能体开发实战
近年来，大模型能力的持续突破，使得构建智能代理（Agent）系统成为开发者追逐的热点。
本文将以 LangChain 框架为核心，结合 GPT-4o-mini 模型，通过接入工具与消息修剪策略，实现一个具备记忆、调用搜索、执行函数能力的智能体。
环境准备与模型初始化
使用 LangChain 需要首先初始化语言模型，这里使用的是 GPT-4o-mini，由 OpenAI 提供。
# llm_env.pyfrom langchain.chat_models import init_chat_modelllm = init_chat_model("gpt-4o-mini", model_provider="openai")我们将其封装在 llm_env.py 中供主程序导入。
主程序结构解析
主逻辑文件为 main_agent_trim.py，功能包括：
- 工具集成PostgreSQL 持久化配置消息修剪策略Agent 交互循环
工具函数与搜索工具接入
我们首先定义了一个简单的数学函数 add，以及接入了 TavilySearchResults 搜索工具，用于增强智能体外部知识获取能力。
def add(a: int, b: int) -> int: return a + bsearch = TavilySearchResults(max_results=5)tools = [add, search]配置 LangGraph 持久化存储
我们使用 PostgresSaver 来记录 agent 的状态与历史会话，以支持多轮对话记忆。
DB_URI = "postgresql://postgres:123456@localhost:5432/langchaindemo?sslmode=disable"with PostgresSaver.from_conn_string(DB_URI) as checkpointer: checkpointer.setup()用户输入 thread_id，我们组合当天日期生成唯一标识符，确保每个会话线程独立可追溯。
消息修剪策略设计
为了控制模型输入 token 上限，我们引入 trim_messages 方法，在每轮对话前进行修剪：
def pre_model_hook(state): trimmer = trim_messages( max_tokens=65, strategy="last", token_counter=llm_env.llm, include_system=True, allow_partial=False, start_on="human", ) trimmed_messages = trimmer.invoke(state["messages"]) return {"llm_input_messages": trimmed_messages}该策略仅保留最近的用户消息，避免长对话历史超出 token 限制，影响模型响应。
构建智能体执行器
借助 create_react_agent 方法创建智能体，传入模型、工具、hook 与 checkpoint。
agent_excuter = create_react_agent( llm_env.llm, tools, pre_model_hook=pre_model_hook, checkpointer=checkpointer,)与智能体交互
程序进入循环模式，接收用户输入，执行智能体推理，并输出响应内容及工具调用情况。
while True: query = input("你: ") if query.strip().lower() == "exit": break input_messages = [HumanMessage(query)] response = agent_excuter.invoke({"messages": input_messages}, config=config) for message in response["messages"]: if hasattr(message, "content") and message.content: print(f"{message.type}:{message.content}") if hasattr(message, "tool_calls") and message.tool_calls: print(f"{message.type}:{message.tool_calls}")示例
总结
本文将展示如何利用 LangChain 框架，构建一个功能丰富的智能体系统，它不仅能搜索信息、执行函数，还能自动修剪消息并持久化状态。通过巧妙设计钩子（hook）和工具链，我们可以不断扩展这个系统的能力边界。
