LangGraph实战案例之 多智能体架构

from langchain.agents import create_agent
from langgraph_supervisor import create_supervisor

from app.bailian.common import llm


def add(a:float,b:float) -> float:
    """add two floats"""
    return a+b


def mul(a:float,b:float) -> float:
    """multiply two floats"""
    return a*b


def web_search(query:str) -> str:
    """search web page"""

    return (
        "2026年巨头上市公司的员工数量调查:"
        "百度 有 10000员工"
        "苹果 有100000员工"
        "google 有15000 员工"
        "华为有 30000 员工"
    )

math_agent = create_agent(
    model=llm,
    tools=[add,mul],
    name="math_agent",
    system_prompt="你是一个数学方面的专家，一次执行只使用一个工具"
)

web_agent = create_agent(
    model=llm,
    tools=[web_search],
    name="web_agent",
    system_prompt="你是一个世界级的调研专家,能够使用web_search工具，不要使用任何数学工具"
)


workflow = create_supervisor(
    agents=[math_agent, web_agent],
    model=llm,
    prompt=(
        "你是一个团队管理专家，管理math_agent和web_agent"
        "实时问题就去用web_agent"
        "数学问题就去用math_agent"
    ))
app = workflow.compile()
for chunk in app.stream({"messages":[{"role":"user","content":"2026年巨头上市公司所有员工加一起多少人"}]}):
    print(chunk)