cqzyys/lang-agent

解决的问题

Lang-Agent 是一个用于构建 AI Agent 的可视化配置平台。它克服了传统工作流工具仅将输出从一个节点传递到下一个节点的局限性，引入了可自定义的状态变量。这使得对 Agent 内部的逻辑和数据流能够进行更精确的控制，从而更灵活地满足复杂的业务需求。

工作原理

基于 LangGraph 构建，该平台提供一个拖拽式画布，用户可以通过组合各种节点和边来定义 Agent 的行为。

• 节点：逻辑的基本构建块。包括用于文本生成的 LLM 节点、用于多模态处理的 VLM 节点，以及计数器、转换器、代码执行器等实用节点。
• 边：定义执行顺序。默认边遵循线性路径，而条件边则使用状态变量来决定下一个执行的节点。
• 状态变量：Agent 内部的全局字典，用于存储数据（如对话消息），任何节点或条件边均可访问和更新。
• Agent：系统支持预构建的 Agent，如 ReactAgent（通过 MCP 使用工具）和 SupervisorAgent（协调其他可重用 Agent）。

适用人群

• 希望无需编写样板代码即可通过可视化方式设计复杂 AI Agent 的开发者。
• 需要对 Agent 的状态和逻辑流有高度控制权的用户。
• 寻求可扩展 AI 工作流以创建自定义节点的团队。

核心亮点

• 状态驱动逻辑：使用全局状态变量控制节点输入和条件分支。
• 可扩展架构：为开发者提供了清晰的路径，通过前端（React）和后端（Python）实现添加自定义节点。
• 类 SaaS 配置：内置模型连接、MCP 工具和向量数据库（Postgres、Milvus）的管理功能。
• 多模态支持：包含图像加载和 VLM 处理的专用节点。
• 集成 RAG：提供向量数据库配置和文档管理功能，支持检索增强生成（RAG）。