跳转至

第 4 部分 — 集成

多模态处理与 LangGraph 互操作。

4.1 多模态流水线(示例 15)

在统一流水线中处理图像、音频、视频(示例使用 mock Provider;生产环境替换为真实 API)。

python examples/15_multimodal_pipeline.py

典型输出:

模态 字段
图像 description、labels、confidence
音频 text(转录)、language
视频 summary、key_frames、scenes

在 hiveflow.multimodal 中实现适配器接口以接入真实 Provider。

4.2 LangGraph 导出(示例 16)

将 HiveFlow TaskGraph 导出为 LangGraph 兼容 JSON 与 Python 脚手架。

python examples/16_langgraph_export.py

导出内容包括:

  • state_schema(messages、results、intent_id)
  • 带 action/skill 的 nodes
  • 含 __start__ / __end__ 的 edges
  • HITL 节点的可选 interrupt_before

生成的 Python 依赖 langgraph + langchain-core(PoC — 见版本策略)。

Sidecar 模式

LangGraph 作为 执行运行时,HiveFlow 作为 协调层(HITL、审计、黑板、Studio UI):

用户 → Studio → HiveFlow(HITL + 审计 + 黑板)
                      ↓
               LangGraph 运行时(图执行)

深度阅读:LangGraph Sidecar Cookbook、生态兼容指南。

Studio 导出按钮

在 Orchestrator(编排器) Agent 模式下:

  1. plan-only → 导出 LangGraph JSON 或 导出 LangGraph + Python 模板
  2. 工具栏 导出 LangGraph — 通过 POST /api/agent/export-langgraph 转换当前画布

4.3 LLM Provider 集成

Provider 文档 环境变量
OpenAI integrations/openai.md OPENAI_API_KEY
Anthropic integrations/anthropic.md ANTHROPIC_API_KEY
Ollama Agent llm/ollama_client.py OLLAMA_BASE_URL
DeepSeek Agent llm/deepseek_client.py DEEPSEEK_API_KEY

规划与执行可分别路由:

HIVEFLOW_LLM_PLANNING_PROVIDER=openai
HIVEFLOW_LLM_EXECUTION_PROVIDER=anthropic

4.4 MCP 生态

HiveFlow 原生支持 MCP(hiveflow.mcp)。插件注册的工具可被任何 MCP 兼容 Agent 发现。见 第 2 部分 — MCP。

4.5 练习

  1. 将示例 02 的流水线导出为 LangGraph JSON 并检查 node ID。
  2. 在示例 15 中用真实视觉 API 替换 mock 图像分析。
  3. 在 HIVEFLOW_PLAN_HITL=true 下运行 LangGraph sidecar,并在 Studio 审批计划。

下一步

→ 第 5 部分 — Studio:完整可视化运维 UI walkthrough。