企业官网建设流程全解析

LangChain 1.0 和 LangGraph 到底谁封装谁？我把 pip 依赖表扒了一遍，答案全在里面

一句话先给结论：是 LangChain 封装了 LangGraph，不是 LangGraph 封装 LangChain。2025 年 10 月 LangChain 1.0 发布之后，create_agent底层跑的就是 LangGraph。我实测装了一遍依赖、看了一遍返回类型，证据全在 pip 的依赖表里，文末给面试三句金句和选型表。

一、为什么这个关系总是被搞反

后台收到不少私信问「LangGraph 是不是变成了 LangChain 的封装」，我一开始没当回事，直到自己也差点说反。搞反的原因有三个：

1. 名字前缀：LangGraph 挂着 Lang 前缀，看起来像 LangChain 的附属品；
2. 同一家公司：LangGraph 就是 LangChain 团队写的，大家默认「先有的包是底层」；
3. 一次搬家事件被误读：create_react_agent从 langgraph 搬进了 langchain，很多人把「功能从 A 移到 B」读成了「A 变成了 B 的封装」。

方向恰恰相反。这篇文章用三条实测证据把这事说死。

二、三年演进时间线：关系不是一天变成这样的

注意最后一行：LangChain 1.0 把旧功能挪进langchain-classic，整个包聚焦在create_agent+ middleware 上——而create_agent官方原话是 "We built this implementation on top of langgraphto take advantage of the underlying agent runtime"。

三、最容易被误读的「搬家事件」

LangGraph 1.0 的唯一显著变化是：langgraph.prebuilt模块废弃，create_react_agent这个预制件搬进了langchain.agents，变成create_agent。

很多人看到「功能从 langgraph 移到 langchain」，就得出「langgraph 变成了 langchain 的封装」——方向完全反了：

以前：langgraph.prebuilt.create_react_agent ← agent 预制件住在 langgraph 家 现在：langchain.agents.create_agent ← 预制件搬进了 langchain 家 但发动机始终是 langgraph，没换过

搬完之后，LangChain 这层壳底下跑的还是 LangGraph。预制件搬家 ≠ 发动机搬家，这是理解整个关系的关键。

四、实测：证据全在 pip 依赖表里

光说概念没用，我直接装了最新的包（langgraph 1.2.12 / langchain 1.4.3 / deepagents 0.7.20），用importlib.metadata把依赖关系扒出来：

import importlib.metadata as md for p in ['langgraph', 'langchain']: reqs = [str(r) for r in md.requires(p) or []] print(p, [r for r in reqs if 'langgraph' in r.lower() or 'langchain' in r.lower()])

实测输出：

langgraph 依赖 -> ['langchain-core<2,>=1.4.7', 'langgraph-checkpoint...', 'langgraph-prebuilt...', 'langgraph-sdk...'] langchain 依赖 -> ['langchain-core...', 'langgraph<1.3.0,>=1.2.11', 'langchain-openai', 'langchain-anthropic', ...]

看清楚这两行：

• langgraph 不依赖 langchain——它只依赖 langchain-core（基础类型）和自己家的 checkpoint/prebuilt/sdk；
• langchain 依赖 langgraph（>=1.2.11）——实锤，被依赖的是底层。

证据二：返回类型。用create_agent创建一个 agent，看它返回什么：

from langchain.agents import create_agent agent = create_agent(model="ollama:qwen3:0.6b", tools=[], system_prompt="hi") print(type(agent)) # <class 'langgraph.graph.state.CompiledStateGraph'>

类型名里的 module 是langgraph.graph.state——create_agent返回的就是一个 LangGraph 编译图。

证据三：LangGraph 裸图独立可跑。不写任何 agent 逻辑，纯图：

from langgraph.graph import StateGraph, START, END from typing_extensions import TypedDict class S(TypedDict): text: str def node_a(state: S): return {"text": state["text"] + "A"} def node_b(state: S): return {"text": state["text"] + "B"} g = StateGraph(S) g.add_node("a", node_a); g.add_node("b", node_b) g.add_edge(START, "a"); g.add_edge("a", "b"); g.add_edge("b", END) print(g.compile().invoke({"text": ""})) # {'text': 'AB'}

PyPI 官方描述原话："LangGraph is built by LangChain Inc, the creators of LangChain,but can be used without LangChain"。

五、现在的完整分层

把三条证据合起来，2026 年的分层就是一张图：

DeepAgents 规划 / 文件系统 / 子 agent / skills，强观点 harness ↓ 依赖 LangChain create_agent + middleware，标准 agent 抽象 ↓ 构建在其上 LangGraph 图运行时：持久化执行、streaming、checkpoint、human-in-the-loop ↓ 共享基础类型 langchain-core Message、Tool 等基础抽象

记忆方法只有一句：封装方向永远是高层包低层——DeepAgents 包 LangChain，LangChain 包 LangGraph。

六、面试怎么答（三句金句）

面试官问「LangChain 和 LangGraph 什么关系」时，按这三句答：

1. 关系句：「方向是 LangChain 封装 LangGraph，不是反过来。同一家公司，但 LangGraph 可以脱离 LangChain 独立用——单独pip install langgraph就能跑。」
2. 演进句：「create_react_agent从 langgraph.prebuilt 搬进了 langchain.agents，社区使用习惯收敛到标准 agent loop，LangGraph 退回纯运行时，专注持久化执行和 HITL。」
3. 选型句：「简单工具调用用create_agent；要精确控制流程直接写 LangGraph 图；长周期多步任务用 DeepAgents。」

七、选型结论表

写在最后

这个关系的判断其实不靠记忆，靠一条可验证的规则：看依赖表。被依赖的是底层，封装的是上层。下次再有新的 Lang 系包出来，先pip show一下依赖，方向立刻清楚。

如果这篇文章帮你理清了关系，点个收藏；对分层有不同理解，欢迎评论区交流。

原创声明：本文为原创文章，实测数据基于 langgraph 1.2.12 / langchain 1.4.3 / deepagents 0.7.20，转载请注明出处。