Skip to content
LangGraph

Asystent email z LangGraph

Zbuduj asystenta email AI, który przeszukuje skrzynkę, tworzy odpowiedzi i zarządza przepływami email — z LangGraph.

emailautomationproductivityassistant

Działający kod

LangGraph
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langgraph.prebuilt import create_react_agent
@tool
def search_emails(query: str, limit: int = 5) -> str:
"""Search the inbox for emails matching a query."""
results = email_client.search(query, max_results=limit)
return "\n\n".join(
f"From: {e.sender}\nSubject: {e.subject}\nDate: {e.date}\nPreview: {e.body[:200]}"
for e in results
)
@tool
def draft_email(to: str, subject: str, body: str) -> str:
"""Create an email draft."""
draft_id = email_client.create_draft(to=to, subject=subject, body=body)
return f"Draft created (ID: {draft_id}). Review before sending."
agent = create_react_agent(
ChatOpenAI(model="gpt-4o"),
tools=[search_emails, draft_email],
prompt="You are an email assistant. Search emails to find context, then help draft professional replies. Always create drafts — never send directly.",
)
result = await agent.ainvoke({
"messages": [("user", "Find the latest email from the marketing team and draft a reply confirming the deadline")]
})
print(result["messages"][-1].content)

Krok po kroku

1

Zainstaluj zależności

Zainstaluj LangGraph i wymagane narzędzia do tego przypadku użycia.

2

Zdefiniuj narzędzia

Stwórz specyficzne dla domeny funkcje narzędzi, których agent będzie używał do interakcji z zewnętrznymi serwisami.

3

Stwórz agenta i uruchom

Zainicjalizuj agenta LangGraph z narzędziami, ustaw prompt systemowy i wykonaj zapytanie.

Gotowy do budowania z LangGraph?

Wygeneruj gotowy do produkcji projekt z LangGraph — FastAPI + Next.js, autoryzacja, streaming i więcej.

Rozpocznij

Gotowy, żeby zbudować swojego pierwszego agenta AI?

Open-source'owe narzędzia, sprawdzone wzorce, zero boilerplate'u. Skonfiguruj swój stos i wyślij w minuty — nie miesiące.