LANGCHAIN MODULE 2 · LESSON 2.2b State

1 State 和 Context 的区别

Runtime context 是调用方传入的临时信息；Agent state 是 Agent 自己在运行中维护的工作记忆。只要配置了 checkpointer，同一个 thread_id 后续调用可以继续读取 state。

维度	Runtime Context	Agent State
谁提供	调用方传入	Agent 和工具运行时更新
是否持久	默认不持久	通过 checkpointer 按 thread 保存
本课例子	`ColourContext(favourite_colour="green")`	`favourite_colour` 写入 thread state

2 扩展 AgentState

Notebook 定义 CustomState，在默认 AgentState 基础上增加一个 favourite_colour 字段。

Python

from langchain.agents import AgentState

class CustomState(AgentState):
    favourite_colour: str

为什么继承 AgentState

AgentState 已经包含 Agent 必需的消息字段。继承它再加业务字段，可以避免破坏 Agent 的默认消息流。

3 用工具写入 state

工具不能直接随意修改外层变量，而是返回 Command(update=...)。这里同时更新 favourite_colour，并追加一条 ToolMessage 表示工具执行成功。

Python

from langchain.tools import tool, ToolRuntime
from langgraph.types import Command
from langchain.messages import ToolMessage

@tool
def update_favourite_colour(favourite_colour: str, runtime: ToolRuntime) -> Command:
    """Update the favourite colour of the user in the state once they've revealed it."""
    return Command(
        update={
            "favourite_colour": favourite_colour,
            "messages": [
                ToolMessage(
                    "Successfully updated favourite colour",
                    tool_call_id=runtime.tool_call_id,
                )
            ],
        }
    )

Command(update=...)

这是 LangGraph/LangChain Agent 中从 tool 返回状态更新的标准方式。它比隐藏副作用更清晰，也更容易被 checkpointer 记录。

4 配置 checkpointer 和 state_schema

要让 state 跨调用保存，Agent 需要 checkpointer。Notebook 使用内存版 InMemorySaver，适合课程演示。

Python

from langgraph.checkpoint.memory import InMemorySaver

agent = create_agent(
    deepseek_model(),
    tools=[update_favourite_colour],
    checkpointer=InMemorySaver(),
    state_schema=CustomState,
)

response = agent.invoke(
    {"messages": [HumanMessage(content="My favourite colour is green")]},
    {"configurable": {"thread_id": "1"}},
)

thread_id 很重要

checkpointer 按 thread 区分记忆。同一个 thread_id 可以读到之前写入的 state；换一个 thread 就是另一份记忆。

5 通过 ToolRuntime 读取 state

读取 state 的工具从 runtime.state 取值。如果当前 thread 还没有写入对应字段，就返回一个明确的 fallback 文案。

Python

@tool
def read_favourite_colour(runtime: ToolRuntime) -> str:
    """Read the favourite colour of the user from the state."""
    try:
        return runtime.state["favourite_colour"]
    except KeyError:
        return "No favourite colour found in state"

agent = create_agent(
    deepseek_model(),
    tools=[update_favourite_colour, read_favourite_colour],
    checkpointer=InMemorySaver(),
    state_schema=CustomState,
)

读写闭环

用户说出偏好时，模型调用写入工具；后续用户询问偏好时，模型调用读取工具。同一个 thread 中这就是可持续的 Agent 记忆。

6 State 设计建议

只把 workflow 真正需要跨步骤保存的数据放进 state。
用清晰字段名，例如 favourite_colour，不要塞一个模糊的大字典。
工具写 state 时返回 Command(update=...)，同时写必要的 ToolMessage。
开发时可以用 InMemorySaver；生产环境需要换成持久化 checkpointer。