LangChain
LangChain是一家专注于大语言模型（LLM）应用开发基础设施的人工智能公司，致力于为开发者提供构建AI应用所需的开源框架与工具。其核心产品包括LangChain框架（用于编排LLM调用与工具链）、LangGraph（用于构建多步骤AI工作流与智能体）以及LangSmith（用于调试、监控和评估LLM应用），广泛应用于企业级AI应用开发场景。
核心事实
时间轴 (近 90 天)
在调用前修剪消息列表（滚动窗口）可将 O(n²) 增长转化为 O(n)
在代理或应用层限制请求体大小是最有效的控制措施，因为检查点器会存储请求携带的任何内容
研究员列出的五条有效缓解措施（限制请求体大小、修剪消息列表、PRAGMA max_page_count、离线 VACUUM、监控增长）在默认文档示例中均不存在
在 6 个会话、每个会话 5 条消息、每条消息 600 KB（总计 18.4 MB 输入）的实验中，磁盘写入了 192.4 MB
LangChain 的 create_agent + SqliteSaver 默认配置会将不可信输入在磁盘上放大 10.4 倍
实验环境使用 LangChain 1.4.7、langchain-core 1.7.1、langgraph 1.2.18、langgraph-checkpoint-sqlite 3.1.2 和 Python 3.14.7
全状态检查点是检查点器的预期设计，而非 CVE 或代码漏洞
一个3人小团队使用LangChain工具链搭建了24个Agentic工作流，并部署在AWS AgentCore上。
LangChain提供链式调用、工具集成和Agent编排的基础能力，AWS AgentCore提供托管运行环境，使小团队不必从头维护基础设施。
LangChain 在较新版本中引入了 ModelRetryMiddleware 中间件组件，用于在调用模型失败时自动重试。
还有 40 条时间轴事件
全部知识事实 (20)
LangChain是由Harrison Chase于2022年创建的LLM应用开发框架
90%已验证当前主流的编程智能体架构大多采用ReAct（Reasoning + Acting）范式
90%已验证LangSmith是LangChain公司推出的LLM应用可观测性平台，通过Tracing技术记录每次Agent执行的完整链路
90%已验证LangChain由Harrison Chase于2022年10月作为开源项目发布
90%已验证微软的AutoGen、LangChain的LangGraph和OpenAI的Swarm框架都在探索多Agent分工协作
90%已验证目前主流的AI Agent框架包括LangChain、AutoGen、CrewAI等
90%已验证MCP中每个工具都有严格的JSON Schema描述，包括名称、功能说明和参数规范
90%已验证2023年以来，以AutoGPT、LangChain Agent、OpenAI Assistants API为代表的Agent框架迅速普及，推动了Agentic AI概念的兴起
90%已验证ReAct（Reasoning + Acting）框架让模型能够交替进行推理和行动
90%已验证LangGraph是LangChain团队于2024年初推出的智能体编排框架
90%已验证LangChain基于ReAct（Reasoning + Acting）思维-行动循环模式，提供通用的工具链编排框架
85%已验证Agent Harness指包裹在大语言模型外围、负责协调模型与外部世界交互的整套工程系统
80%已验证LangChain首要支持Python，其次是TypeScript
80%已验证在MCP出现之前，AI调用外部工具主要依赖OpenAI的Function Calling机制或各框架自定义的插件系统
80%已验证LLM 工具支持 OpenAI、Anthropic、Google 等多种模型提供商
80%已验证LangSmith是LangChain官方的追踪和评估平台
80%已验证工具增强型AI（Tool-Augmented AI）是当前大模型应用的重要发展方向，OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证AutoGPT是GitHub历史上增长最快的开源项目之一
80%已验证ReAct（Reasoning + Acting）框架由Yao等人在2022年提出，将Chain-of-Thought推理与外部工具交互交替进行
80%已验证LangChain的Agent模块支持ReAct（Reasoning + Acting）范式
80%