LangGraph 中断、工具调用与部署：从 Human-in-the-loop 到 Agent 工程落地

前面几篇已经整理了 LangGraph 的基础、控制流、持久化与记忆管理。这一篇继续往工程实践走，重点看三个非常实用的能力：

中断：让图暂停，等待人工输入或审批 工具调用：让模型调用外部函数或服务 部署：把本地图运行成可调试、可访问的 Agent 服务

这三个能力结合起来，LangGraph 就不只是“本地跑一个流程”，而是可以做更接近真实业务的 Agent 系统。

一、为什么需要中断？

在很多 Agent 场景里，图不能一直自动跑到底。

比如：

• 模型生成了操作计划，需要人工确认
• 工具调用前需要用户批准
• Agent 写好了内容，需要用户审核修改
• 工作流跑到关键步骤，需要人工补充信息
• 某个高风险动作，比如删除文件、发邮件、提交订单，需要确认

这类场景就叫：

Human-in-the-loop，人在回路中

LangGraph 的中断机制，就是为这种场景准备的。

二、动态中断 interrupt()

动态中断是指：图运行到某个节点内部时，代码主动调用interrupt()，让图暂停。

可以理解成：

节点执行到这里，先别继续了，等人给一个输入。

基础形式大概是：

fromlanggraph.typesimportinterrupt,Commanddefreview_node(state):user_feedback=interrupt({"question":"是否批准继续执行？","content":state["draft"]})return{"feedback":user_feedback}

执行到interrupt()时，图会暂停，并把中断信息返回给外部。

外部拿到用户输入后，再用Command(resume=...)恢复。

三、恢复中断：Command(resume=…)

恢复中断时，通常会重新调用图，并传入：

Command(resume=用户输入)

比如：

graph.invoke(Command(resume="同意继续"),config=config)

这里的意思是：

把“同意继续”作为 interrupt() 的返回值，继续执行原来的节点。

所以中断和恢复可以这样理解：

interrupt()：暂停并向外要数据 Command(resume=...)：把外部数据送回来，让图继续执行

四、基础 HITL 模式

基础 Human-in-the-loop 流程一般是：

节点生成内容 ↓ interrupt 暂停，等待人工确认 ↓ 用户输入确认结果 ↓ Command(resume=...) 恢复 ↓ 节点继续执行

适合：

• 内容审核
• 审批确认
• 人工补充信息
• 任务执行前确认

可以记住一句话：

interrupt 不是报错，而是一次有意识的暂停。

五、多个并行中断

如果图里有多个并行节点，它们都可能触发中断。

比如：

node_a 需要人工确认 node_b 也需要人工确认

这时可能会产生多个 interrupt。

恢复时通常需要构建：

中断 ID -> 恢复值

也就是给不同中断分别提供不同答案。

可以理解成：

多个暂停点，就要分别告诉每个暂停点怎么继续。

六、审批模式

审批模式是中断机制最常见的用法。

流程一般是：

Agent 生成计划 ↓ interrupt 等待审批 ↓ 如果批准：继续执行 如果拒绝：终止或改走其他节点

比如：

decision=interrupt({"type":"approval","message":"是否允许执行工具调用？"})ifdecision=="approve":return{"approved":True}else:return{"approved":False}

这种模式适合高风险动作：

• 发邮件
• 执行 SQL
• 删除数据
• 调用付费接口
• 提交订单

七、审核与编辑模式

有时候用户不是简单同意或拒绝，而是想改一下内容。

比如模型生成了一段文案：

请审核并修改这段内容。

用户可以返回修改后的文本。

流程就是：

模型生成 draft ↓ interrupt 把 draft 给用户 ↓ 用户修改 ↓ resume 返回修改后的内容 ↓ 后续节点使用修改版内容

这适合：

• 博客草稿审核
• 合同条款修改
• 邮件发送前编辑
• 报告内容确认

八、工具执行审批模式

工具调用前审批，是 Agent 系统里很重要的安全设计。

比如模型想调用工具：

delete_file(path="xxx")

不能直接执行，应该先中断：

模型请求工具调用 ↓ interrupt 请求用户批准 ↓ 批准后执行工具 ↓ 拒绝则返回拒绝信息或终止

这类模式可以避免 Agent 擅自执行危险操作。

九、单节点串行中断

一个节点内部也可以多次调用interrupt()。

比如：

先问姓名 再问年龄 再问是否确认

这种叫单节点串行中断。

但是要注意：同一个节点内的interrupt()调用顺序非常重要。

恢复时，LangGraph 会按照原来的调用顺序匹配中断。

所以不要随便改变节点内部interrupt()的顺序。

十、interrupt 使用规范

1. 不要用 try/except 包裹 interrupt()

interrupt()本身依赖特殊的中断机制，不是普通业务异常。

如果用try/except把它捕获了，可能导致中断机制失效。

不推荐：

try:value=interrupt("请输入内容")exceptException:...

2. 不要更改单节点内 interrupt 顺序

比如原来是：

name=interrupt("请输入姓名")age=interrupt("请输入年龄")

后面不要随便改成：

age=interrupt("请输入年龄")name=interrupt("请输入姓名")

否则恢复时可能对不上。

3. 不要传递复杂类型

interrupt()中传递的数据尽量简单，比如：

• 字符串
• 数字
• 布尔值
• 简单字典
• 简单列表

不要传复杂对象、函数、数据库连接等。

4. 中断前的副作用要幂等

副作用指：

• 写数据库
• 发请求
• 发邮件
• 创建文件
• 扣费

如果节点在中断前做了副作用操作，恢复时可能会重新执行这段逻辑。

所以中断前的副作用最好是幂等的。

幂等就是：

执行一次和执行多次，结果一致。

十一、静态断点

除了在代码里主动interrupt()，LangGraph 还支持静态断点。

静态断点更像调试器里的断点。

你可以在编译时设置：

graph=builder.compile(checkpointer=checkpointer,interrupt_before=["node_a"])

意思是：

执行 node_a 之前暂停。

也可以设置：

interrupt_after=["node_a"]

意思是：

执行 node_a 之后暂停。

静态断点适合调试，不一定需要写进业务节点代码。

十二、动态中断和静态断点的区别

简单记：

业务中断用 interrupt() 调试断点用 interrupt_before / interrupt_after

十三、本地部署并对接 LangSmith

LangGraph 项目可以本地部署成 Agent Server，并对接 LangSmith 做调试和追踪。

常见流程是：

准备项目结构 编写图代码 配置 langgraph.json 启动本地服务 在 LangSmith / Studio 中调试

典型项目结构：

project/ agent.py langgraph.json .env requirements.txt

langgraph.json一般用来声明图入口。

示意：

{"graphs":{"agent":"./agent.py:graph"}}

意思是：

agent 这张图来自 agent.py 文件里的 graph 对象。

十四、启动本地服务

安装相关依赖后，可以用 LangGraph CLI 启动本地服务。

常见命令类似：

langgraph dev

启动后，本地会运行一个 Agent Server。

这样你就可以通过接口、Studio 或前端 UI 去调用这张图。

十五、对接 AgentChatUI

AgentChatUI 是一个聊天前端，用来和 LangGraph Agent Server 交互。

整体流程：

LangGraph 图代码 ↓ langgraph dev 启动服务 ↓ AgentChatUI 连接服务地址 ↓ 在网页里聊天、触发工具、查看历史

适合测试：

• 多轮对话
• 工具调用
• 历史记录
• 中断恢复
• Agent UI 体验

十六、工具调用节点：手动处理工具调用

工具调用是 Agent 的核心能力。

最基础的做法是手动处理tool_calls。

流程一般是：

llm_node 调用绑定工具的模型 ↓ 模型返回 tool_calls ↓ tool_node 读取 tool_calls ↓ 根据工具名执行对应工具 ↓ 把结果包装成 ToolMessage ↓ 返回给 LLM 继续推理

手动处理的优点是灵活。

比如可以自己控制：

• 哪些工具允许执行
• 工具失败怎么处理
• 是否需要人工审批
• 工具结果怎么包装
• 是否记录日志

缺点是代码更繁琐。

十七、ToolNode：自动处理工具调用

LangGraph 提供了ToolNode，可以帮你自动执行工具调用。

大概用法：

fromlanggraph.prebuiltimportToolNode tools=[get_weather,get_news]tool_node=ToolNode(tools)

然后注册：

builder.add_node("tools",tool_node)

当模型返回tool_calls后，ToolNode会根据工具名自动调用对应工具，并返回ToolMessage。

适合标准工具调用场景。

如果你不需要特别复杂的审批、缓存、异常处理，ToolNode会比手写tool_node简洁很多。

十八、手动工具节点和 ToolNode 的区别

可以这样选：

学习阶段：先手写，理解原理 项目常规工具调用：用 ToolNode 复杂审批/安全控制：手写或封装自己的 ToolNode

十九、ToolRuntime 是什么？

ToolRuntime可以让工具在执行时访问更多运行时信息。

比如：

• 当前状态
• 上下文
• 配置信息
• 存储器

这意味着工具不只是“输入参数 -> 返回字符串”，还可以参与更复杂的图状态管理。

比如工具可以读取当前用户：

根据 user_id 查询数据库

或者结合上下文：

VIP 用户返回更详细结果

二十、在工具中更新状态

有些工具不只是返回结果，还希望更新图状态。

比如：

查询天气工具执行后，把 weather 字段写入 State

或者：

搜索工具执行后，把 documents 写入 State

这种场景下，工具就不只是“给模型一个观察结果”，还会影响后续节点的状态。

实际开发时要注意：

工具更新状态时，要清楚这个字段由谁写、谁读、是否需要 Reducer。

二十一、工具节点容错：重试机制

工具调用经常会失败，比如：

• 网络波动
• API 限流
• 第三方服务超时
• 工具参数错误

可以给工具节点增加重试机制。

思路是：

工具失败 ↓ 判断是否是可重试错误 ↓ 等待一段时间 ↓ 重新调用 ↓ 超过最大次数后返回失败信息

适合重试的错误：

• 网络超时
• 临时服务不可用
• 限流后稍等可恢复

不适合重试的错误：

• 参数格式错误
• 工具名称错误
• 权限不足
• 明确的业务拒绝

二十二、工具节点缓存

工具缓存可以减少重复调用。

适合：

• 天气查询
• 新闻查询
• 文档解析
• 搜索结果
• 用户资料查询

比如同一个问题短时间重复问：

北京今天天气怎么样？

不一定每次都要重新调 API，可以先查缓存。

缓存时要考虑两个点：

缓存 key：什么输入算同一次请求 ttl：缓存多久过期

二十三、中断 + 工具调用的组合

真正项目里，中断和工具调用经常一起用。

比如：

模型决定要调用 send_email 工具 ↓ 工具执行前 interrupt，请用户审批 ↓ 用户同意 ↓ 执行 send_email ↓ 返回 ToolMessage ↓ 模型总结执行结果

这就是一个更安全的 Agent 工具调用流程。

对于危险工具，可以加审批。

对于普通工具，可以直接执行。

二十四、学习时最容易混的点

1. interrupt 不是异常

它是 LangGraph 的中断机制，不是普通raise Exception。

所以不要用普通异常思维理解它。

2. resume 是把值送回 interrupt

Command(resume="同意")

这个"同意"会成为之前interrupt()的返回值。

3. 静态断点更适合调试

如果只是想观察节点前后的状态，用静态断点。

如果业务上需要用户输入，用动态中断。

4. ToolNode 是标准工具执行器

简单工具调用可以用ToolNode。

但如果你要审批、复杂容错、状态更新，可能要手写工具节点。

5. 工具调用后通常要回到 LLM

工具只是返回观察结果。

最终答案通常还是由 LLM 结合工具结果生成。

所以典型流程是：

LLM -> Tool -> LLM

总结

这篇主要整理了 LangGraph 里更偏工程实践的部分：

动态中断 interrupt() 恢复中断 Command(resume=...) 审批模式 审核与编辑模式 工具执行审批 静态断点 本地部署 AgentChatUI 对接 手动工具节点 ToolNode ToolRuntime 工具状态更新 工具重试与缓存

可以用一句话串起来：

中断让 Agent 能等人，工具让 Agent 能做事，部署让 Agent 能真正被调用。

学到这里，LangGraph 就已经从“流程编排框架”进入了“Agent 工程框架”的范围。后面真正做项目时，重点就是把检查点、记忆、中断、工具调用和部署组合起来，做出稳定、可控、可恢复的 Agent 应用。