LangGraph
Content-Generierungs-Agent mit LangGraph
Erstellen Sie einen KI-Content-Generierungs-Agenten, der Themen recherchiert, Blogposts und Social-Media-Inhalte mit konsistenter Markenstimme schreibt — mit LangGraph.
contentblogsocial mediawriting
Funktionierender Code
from langchain_openai import ChatOpenAIfrom langchain_core.tools import toolfrom langgraph.prebuilt import create_react_agent
@tooldef web_search(query: str) -> str: """Research a topic before writing content.""" from tavily import TavilyClient client = TavilyClient() results = client.search(query, max_results=3) return "\n\n".join(r["content"] for r in results["results"])
@tooldef save_content(filename: str, content: str) -> str: """Save generated content to a file.""" Path(f"output/{filename}").write_text(content) return f"Saved to output/{filename}"
agent = create_react_agent( ChatOpenAI(model="gpt-4o"), tools=[web_search, save_content], prompt="You are a content writer. Research the topic first, then write engaging content. Save the final output using save_content.",)
result = await agent.ainvoke({ "messages": [("user", "Write a blog post about the benefits of AI agents in customer service")]})print(result["messages"][-1].content)Schritt für Schritt
1
Abhängigkeiten installieren
Installieren Sie LangGraph und die benötigten Tools für diesen Anwendungsfall.
2
Tools definieren
Erstellen Sie domänenspezifische Tool-Funktionen, die Ihr Agent zur Interaktion mit externen Diensten verwenden wird.
3
Agent erstellen und ausführen
Initialisieren Sie den LangGraph-Agenten mit Ihren Tools, setzen Sie den System-Prompt und führen Sie eine Abfrage aus.
Mit anderen Frameworks bauen
Weitere Anleitungen mit LangGraph
Bereit, mit LangGraph zu bauen?
Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem LangGraph — FastAPI + Next.js, Auth, Streaming und mehr.
LoslegenBereit, deinen ersten Produktions-KI-Agenten zu bauen?
Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.