跳转至

LangGraph 集成(PoC)

状态:实验性(v0.3 预览) — 将 HiveFlow TaskGraph 计划与 LangGraph 导向的 JSON 规格互转。不在 HiveFlow 内执行 LangGraph 图。

安装

pip install hiveflow-core
# Optional, to run generated code:
pip install langgraph langchain-core

导出 HiveFlow 计划 → LangGraph 规格

plan-only 或认知规划后,你会收到 TaskGraph JSON:

plan = {
    "research": {"task": "search", "depends_on": []},
    "draft": {"task": "write", "depends_on": ["research"]},
    "final_answer": {"task": "summarize", "depends_on": ["draft"]},
}

转换:

from hiveflow.adapters.langgraph import taskgraph_to_langgraph, dumps_langgraph_spec

spec = taskgraph_to_langgraph(plan, workflow_id="content_pipeline")
print(dumps_langgraph_spec(spec))

输出包含:

  • nodes[],含 id 与 action(HiveFlow skill 名)
  • edges[],含 __start__ / __end__
  • interrupt_before[] — 来自带 hitl 配置的节点

导入 LangGraph 规格 → HiveFlow 计划

from hiveflow.adapters.langgraph import langgraph_to_taskgraph

plan = langgraph_to_taskgraph(spec)
# Execute via POST /api/agent/execute-plan or CognitiveOrchestrator.execute_plan

生成 LangGraph Python(示意)

from hiveflow.adapters.langgraph import render_langgraph_python

code = render_langgraph_python(spec, graph_name="content_graph")
Path("exported_graph.py").write_text(code)

生成的代码是起点 — 生产 LangGraph HITL 需接入真实工具与 checkpointer。

Studio 工作流

  1. Orchestrator → Agent 模式 → plan-only
  2. 从抽屉导出计划 JSON(导出 LangGraph JSON)或通过 API
  3. taskgraph_to_langgraph(plan) → 与 LangGraph 团队共享或运行 codegen
  4. 往返:langgraph_to_taskgraph(spec) → 导入到画布 → execute-plan

工具栏 导出 LangGraph 可在无 Agent plan 步骤时导出当前画布图。

限制(PoC)

功能 支持
Skill 拓扑 / depends_on ✅
HITL → interrupt_before 提示 ✅
Checkpoint 元数据 ❌(导出时丢失)
条件边 ❌
Core 内实时 LangGraph 执行 ❌
LangChain Tool 桥接 规划中

测试

cd packages/core && pytest tests/test_langgraph_adapter.py -v

另见