ReAct 框架实现（基于langgraph）

一、ReAct 自治循环代理的背景：从代理架构演进说起

• Router Agent：仅能在路由分支中选择单一路径，当分支涉及多个工具时，无法灵活选择工具。
• Tool Calling Agent：可自主选择工具，但每次仅能执行一次函数调用，无法支持多工具依次执行的复杂任务。
• Full Autonomous（自治循环代理）：为解决上述局限而引入，核心是基于 ReAct 思想的自治循环架构，支持：
  • 多步骤决策：Agent 可控制一系列决策流程，而非单一决策。
  • 多工具访问：Agent 可自主选择并使用多种工具完成任务。

二、LangGraph 中 ReAct 的构建原理

LangGraph 框架通过预构建的ReAct 组件实现自治循环代理，其核心机制是：

• 大模型在while循环中重复调用工具：每一步自主决定调用哪些工具及输入，执行工具后将输出作为观察结果反馈给大模型，直到无需调用工具时终止循环，输出最终结果。
• 架构本质：由大模型、Tool Calling Agent、Router Agent 共同构建的图结构，类似 LangChain 的 ReAct Agent（底层基于 LangChain 的 LCEL 语言），但适配 LangGraph 的图结构而非AgentExecutor，核心基于 ** 规划（Pla