本文介绍了如何利用GoHumanLoop库与企业微信集成，为AI Agent构建审批流程。通过LangGraph框架，结合GoHumanLoop的HumanloopAdapter，实现Agent与企业微信的交互，包括获取信息和审批操作。文章提供了详细的代码示例，展示了如何在企业微信中获取信息、进行审批，并最终完成工作流程。该方案能够有效拓展AI Agent的功能，提升其工作效率。

💡文章基于LangGraph框架，构建了一个简单的AI Agent工作流，该工作流包含获取信息和审批两个关键节点。

⚙️通过GoHumanLoop库中的HumanloopAdapter，将AI Agent与企业微信审批流程连接起来，实现了人机交互功能。

📧文章展示了如何在代码中使用`@adapter.require_info`和`@adapter.require_approval`装饰器，分别用于获取人工信息和进行审批操作。

🏢示例代码中，通过配置APIProvider，将AI Agent与企业微信中部署的GoHumanLoop-WeWork服务对接，实现信息传递和审批结果的接收。

✅最终，通过企业微信，用户可以随时输入信息并进行审批，从而控制AI Agent的重要操作，完成整个工作流程。

一. 前言

昨天已经发布了一篇，如何通过GoHumanLoop-WeWork配置好链接企业微信和你AI Agent的服务端功能。今天我们就一起看一下在 AI Agent 框架中如何使用GoHumanLoop库与GoHumanLoop-WeWork对接，彻底打通 AI Agent 到企业微信的审批流程！

这是GoHumanLoop系列的第四篇文章，之前文章如下：

使用GoHumanLoop将你的AI Agent连接到企业微信（一）使用 GoHumanLoop 在 CrewAI 高效构建Human-in-the-Loop流程使用GoHumanLoop增强你的Agent控制 - LangGraph 中的实践

感兴趣的朋友可以前往阅读

二. LangGraph 简单示例

我编写一个最小化的AI Agent，并且使用GoHumanLoop库，增强Human-in-the-Loop功能。

先看一下代码

# /// script# requires-python = ">=3.10"# dependencies = [# "gohumanloop>=0.0.11",# "langgraph>=0.4.7",# "langchain-openai>=0.3.12"]# ///"""LangGraph 与 WeWork企业微信 简单集成示例这是一个最小化示例，展示如何在 LangGraph 中使用 LangGraphAdapter和 APIProvider与企业微信进行人机交互。将你的 AI Agent 链接到企业微信审批流程中。配置：- API 地址: https://your-api-endpoint/api- API KEY: 通过API接口获取前置条件：需要根据GoHumanLoop-WeWork配置好企业微信审批应用和服务详情见：https://github.com/ptonlix/gohumanloop-wework"""import osimport timefrom typing import TypedDict, List, Dictfrom dotenv import load_dotenv# 导入 LangGraph 相关库from langgraph.graph import StateGraph, END# 导入 GoHumanLoop 相关库from gohumanloop.adapters.langgraph_adapter import HumanloopAdapterfrom gohumanloop.core.interface import HumanLoopStatusfrom gohumanloop import DefaultHumanLoopManager, APIProviderfrom gohumanloop.utils import get_secret_from_envimport logginglogging.basicConfig(level=logging.INFO)# 设置环境变量os.environ["GOHUMANLOOP_API_KEY"] = "b1c080cd-b9f6-4a9e-8180-b6162f29a742"# 定义简单状态类型class SimpleState(TypedDict):    messages: List[Dict[str, str]]# 创建 GoHumanLoopManager 实例manager = DefaultHumanLoopManager(    APIProvider(        name="ApiProvider",         api_base_url="https://dread.run/api", # 换成自己企业微信的URL        api_key=get_secret_from_env("GOHUMANLOOP_API_KEY"),        default_platform="wework"    ))# 创建 LangGraphAdapter 实例adapter = HumanloopAdapter(    manager=manager,    default_timeout=300,  # 默认超时时间为5分钟)# 定义需要获取人工信息的节点@adapter.require_info(    task_id="simple-information-test",    additional="这是一个简单的获取信息的示例。",)def get_information_node(state: SimpleState, info_result={}) -> SimpleState:    """获取信息的节点"""    print("获取人工信息...")    print(f"info_result: {info_result}")        state["messages"].append({        "role": "system",        "content": f"已获取信息: {info_result.get('response')}"    })        return state# 定义需要人工审批的节点@adapter.require_approval(    task_id="simple-approval-test",    additional="这是一个简单的审批示例。",    execute_on_reject=True,)def human_approval_node(state: SimpleState, approval_result=None) -> SimpleState:    """需要人工审批的节点"""    print("人工审批完成中...")    print(f"approval_result: {approval_result}")    # 处理审批结果    if approval_result:        status = approval_result.get("status")        response = approval_result.get("response", {})        if status == HumanLoopStatus.APPROVED:            state["messages"].append(                {                    "role": "human",                    "content": f"审批已通过！理由: {response}",                }            )        elif status == HumanLoopStatus.REJECTED:            state["messages"].append(                {                    "role": "human",                    "content": f"审批被拒绝。理由: {response}",                }            )    return statedef final_node(state: SimpleState) -> SimpleState:    """最终节点"""    state["messages"].append({"role": "system", "content": "工作流程已完成！"})    return state# 构建工作流图def build_simple_graph():    """构建简单工作流图"""    graph = StateGraph(SimpleState)    # 添加节点    graph.add_node("get_info", get_information_node)    graph.add_node("human_approval", human_approval_node)    graph.add_node("final", final_node)    # 设置边    graph.add_edge("get_info", "human_approval")    graph.add_edge("human_approval", "final")    graph.add_edge("final", END)    # 设置入口    graph.set_entry_point("get_info")    return graph.compile()# 运行工作流def run_simple_workflow():    """运行简单工作流"""    with adapter:        # 构建工作流图        workflow = build_simple_graph()        # 初始化状态        initial_state = SimpleState(            messages=[{"role": "system", "content": "开始简单工作流..."}],        )        # 运行工作流        for output in workflow.stream(initial_state, stream_mode="values"):            print(f"状态: {output}")            # 等待一下，便于观察            time.sleep(1)# 主函数if __name__ == "__main__":    # 加载环境变量    load_dotenv()    # 运行工作流    run_simple_workflow()

上述代码使用LangGraph框架，整个工作流比较简单，如下图所示：

graph TDStart --> get_info --> human_approval --> END

get_info节点，模拟通过GoHumanLoop连接企业微信获取到审批人提供的外部输入信息human_approval节点，模拟Agent在执行中需要审批的执行操作

# 创建 GoHumanLoopManager 实例manager = DefaultHumanLoopManager(    APIProvider(        name="ApiProvider",         api_base_url="https://dread.run/api", # 换成自己企业微信的URL        api_key=get_secret_from_env("GOHUMANLOOP_API_KEY"),        default_platform="wework"    ))

代码中，定义了APIProvider 构造了默认HumanLoopManager，这个APIProvider就是对接到企业微信中部署的GoHumanLoop-WeWork服务。用来发送请求和接收审批结果

# 创建 LangGraphAdapter 实例adapter = HumanloopAdapter(    manager=manager,    default_timeout=300,  # 默认超时时间为5分钟)# 定义需要获人工信息的节点@adapter.require_info(    task_id="simple-information-test",    additional="这是一个简单的获取信息的示例。",)# 定义需要人工审批的节点@adapter.require_approval(    task_id="simple-approval-test",    additional="这是一个简单的审批示例。",    execute_on_reject=True,)

LangGraphAdapter定义了适配LangGraph框架的适配对象，该对象的两个装饰器方法分别来封装到各自的节点中来说实现控制节点获取信息和审批操作。

三. 示例展示

运行示例代码

uv run langgraph_wework.py

企业微信展示

通过企业微信我们就能给 Agent智能体 随时输入必要的信息啦～

随后就是进行审批操作，通过企业微信随时异步就能批准 Agent 智能体 的重要操作

运行完成～

四.总结

以上就是使用GoHumanLoop和GoHumanLoop-WeWork搭配使用，快速拓展你的Agent智能体边界，发货更大 AI效能

更多信息欢迎你前往查看相关代码仓库

GoHumanLoop: Perfecting AI workflows with human intelligencegohumanloop-examples : GoHumanLoop使用示例仓库gohumanloop-wework GoHumanLoop企业微信服务示例仓库

欢迎您的 Star 🌟🌟🌟～