设计哲学
LangChain 的诞生和发展，源于以下几个核心信念：
- 大语言模型（LLM）是一项强大而崭新的技术。
- 当 LLM 与外部数据源结合时，威力会成倍增长。 纯文本生成只是冰山一角，真正有趣的事情发生在模型与数据库、API、文件系统交互的时候。
- LLM 将深刻改变未来应用的形态。 未来的应用会越来越"代理化"（agentic）——不仅能生成文字，还能自主决策、调用工具、完成多步骤任务。
- 这场变革才刚刚开始。 我们仍处于早期阶段，最佳实践在不断演进。
- 原型容易，生产很难。 搭一个能跑的 demo 只需几小时，但构建足够可靠、可投入生产的代理，依然充满挑战。
如今，开发者可以选择两条路径来构建代理：
- LangChain：提供最大程度的灵活性和控制力，让你精细打磨每一个环节。
- Deep Agents：在类似的灵活性之上，额外内置了规划能力、文件系统工具、子代理和上下文管理，适合需要"开箱即用"能力的场景。
两者都构建在 LangGraph 之上。
两大核心目标
LangChain 围绕两个核心目标展开设计：
1. 让开发者用上最好的模型
不同厂商提供的 API 各不相同——模型参数不同、消息格式不同、能力边界也不同。LangChain 通过标准化模型的输入和输出，让开发者能以最小的代价切换到最新的 SOTA 模型，避免被单一厂商锁定。
比如，你可以用同一套代码先在 OpenAI 上开发，再无缝切换到 Anthropic 或 Google 的模型，只需改一行配置。
2. 让模型编排更复杂的流程
模型不应该只用于文本生成，还应该用于编排更复杂的流程——与其他数据和计算交互。LangChain 让定义工具变得简单，LLM 可以在运行时动态调用这些工具，同时帮助你解析和访问非结构化数据。
发展历程
理解 LangChain 的设计哲学，也需要了解它随时间演进的过程。下面是一份简要的时间线：
2022-10-24 v0.0.1
在 ChatGPT 发布前一个月，LangChain 作为 Python 包发布。它包含两大核心组件：LLM 抽象层和"链"（Chains）——为常见用例预定义的计算步骤（例如 RAG：先检索，再生成）。"LangChain"这个名字正是来自"Language"（语言模型）和"Chains"（链）。
2022-12
首批通用代理（Agent）加入 LangChain。这些代理基于 ReAct 论文（Reasoning + Acting），使用 LLM 生成表示工具调用的 JSON，再解析 JSON 来决定调用哪些工具。
2023-01
OpenAI 发布 Chat Completion API。在此之前，模型接收字符串、返回字符串；此后改为接收消息列表、返回消息。其他厂商纷纷跟进，LangChain 也相应更新为基于消息列表的接口。
同月，LangChain 发布 JavaScript 版本。LLM 和代理将改变应用的构建方式，而 JavaScript 是应用开发者的语言。
2023-02
LangChain Inc. 作为公司正式成立，围绕开源 LangChain 项目运营。核心目标是"让智能代理无处不在"。
2023-03
OpenAI 在 API 中引入"函数调用"（function calling），允许 API 直接生成表示工具调用的结构化负载。LangChain 随即采用这种方式作为首选的工具调用方法（取代之前的 JSON 解析方案）。
2023-06
LangSmith 作为闭源平台发布，提供可观测性（observability）和评估（evals）能力。构建代理最大的痛点是可靠性，LangSmith 正是为解决这一痛点而生。LangChain 也更新为与 LangSmith 无缝集成。
2024-01 v0.1.0
LangChain 发布 0.1.0——第一个非 0.0.x 版本。行业从原型阶段走向生产阶段，LangChain 也随之加强对稳定性的重视。
2024-02
LangGraph 作为开源库发布。原始 LangChain 有两大方向：LLM 抽象层和面向常见应用的高层接口；但缺少一个低层编排框架来让开发者精确控制代理流程。LangGraph 填补了这一空白，并在设计时吸收了 LangChain 的经验，加入了流式传输、持久化执行、短期记忆、人机协作等功能。
2024-06
LangChain 拥有超过 700 个集成。这些集成从核心包中拆分出来，核心集成移至独立的包中，其余移至 @langchain/community。
2024-10
LangGraph 成为构建任何"不止一次 LLM 调用"的 AI 应用的首选方案。LangChain 中大部分链和代理被标记为弃用，并提供了迁移到 LangGraph 的指南。LangGraph 中保留了一个高层抽象——代理抽象，它构建在底层 LangGraph 之上，与 LangChain 的 ReAct 代理接口一致。
2025-04
模型 API 变得更加多模态——开始接受文件、图片、视频等输入。LangChain 更新了 @langchain/core 的消息格式，以标准方式支持这些多模态输入。
2025-10-20 v1.0.0
LangChain 发布 1.0 版本，带来两大变化：
- 全面重构所有链和代理。
langchain包中所有链和代理被替换为唯一的高层抽象：构建在 LangGraph 之上的代理抽象。仍在使用旧版链/代理的用户可以安装@langchain/classic包继续使用（但官方建议升级）。 - 标准化消息内容格式。 模型 API 从返回简单字符串内容，进化为返回更复杂的类型——推理块、引用、服务端工具调用等。LangChain 更新消息格式以跨厂商标准化这些输出。
2026-03-15 v0.5.3
Deep Agents 作为开源代理框架发布，构建在 LangGraph 之上。LangChain 提供灵活的构建块来定制代理架构，而 Deep Agents 则为研究、编程等复杂长时间运行的任务提供"全家桶"方案——内置规划工具、可插拔后端的虚拟文件系统（内存、磁盘、LangGraph Store、沙箱），以及用于上下文隔离的子代理生成。
如何选择？ 需要预定义工具的自主代理，选 Deep Agents；需要完全控制代理架构的每一层，选 LangChain。
本文基于 LangChain 官方文档 翻译并二次创作。