实战LangGraph中实现「人机交互」！如何确保Agent系统每一步都符合预期？

嘿，大家好！这里是一个专注于AI智能体的频道！

今天我们聊聊如何在LangGraph中实现“人机交互”（Human-in-the-Loop，简称HIL）的机制。这可是让智能系统更懂你、更贴心的秘密武器哦！

想象一下，你的智能助手在执行任务时突然停下来，问你：“嘿，我接下来要用这个工具，你觉得怎么样？”这就是HIL的核心——在关键时刻让人类介入，确保每一步都符合你的期望。

具体怎么做呢？我们通过在LangGraph中设置断点来实现。这些断点会在执行图的关键点暂停，等待你的输入。在我的例子中，我们在一个工具被执行之前设置了一个断点，检查智能助手是否选择了正确的工具。如果选对了，我们继续；如果没选对，那就停下来，等待你的指示。

考虑到代码块放在文章之中太长，影响观看体验，获取本文代码脚本，请后台私信  人机交互agent

为了展示这个过程，我们用Streamlit做了一个应用。你需要下载代码，然后在cmd运行它。代码中，我们首先设置了环境变量，定义了模型（我们用的是OpenAI的GPT-4o模型，当然你也可以尝试其他模型）。

接下来，我们定义了两个工具：一个是用来做互联网搜索的，另一个是简单的加法工具。通过ToolExecutor，我们管理并执行这些工具。然后，我们定义了一些函数，比如should_continue​来判断是否继续执行，call_model​来调用模型，call_tool来执行工具。

最后，我们用LangGraph定义了一个工作流程图，有两个节点：agent和action。agent节点调用模型，action节点调用工具。我们设置了从agent到action的条件边，以及从action回agent的正常边，形成了一个循环。

关键的是，我们在编译图时加入了检查点，这样在执行过程中可以支持中断。我们使用SqliteSaver来保存状态，确保在中断前能够保存当前的执行状态。

运行这个应用时，用户输入一个问题，智能助手会选择合适的工具，并显示工具名称。然后，系统会生成一个验证消息，询问用户是否批准。如果用户回答“yes”，那么工具调用消息会被添加到状态中，继续执行。如果用户回答其他内容，执行将从用户输入的新消息开始。

通过这种方式，HIL机制不仅让智能助手的操作更加透明，还让你能够实时干预和批准工具的选择，确保每一步都符合你的期望。是不是很酷？这就是LangGraph和HIL的魅力所在！

本文转载自 ​​探索AGI​​，作者： 猕猴桃