LangChain 推出代理中间件用于自定义 AI 框架开发

Felix Pinkston 2026年3月26日 15:31

LangChain 推出 AgentMiddleware 系统，使开发者能够通过钩子自定义 AI 代理行为，实现 PII 检测、动态工具选择和生产就绪功能。

LangChain 发布了一个全面的中间件系统，让开发者无需从头重建核心基础设施即可自定义 AI 代理行为。该框架在2026年3月26日的博客文章中详细介绍，引入了六个不同的钩子，可在循环的每个阶段拦截和修改代理执行。

中间件架构解决了代理开发中一个持续存在的痛点：演示就绪原型与生产系统之间的差距。虽然像交换系统提示或添加工具这样的基本自定义一直都很简单，但修改基本的代理循环——模型调用前发生什么、工具如何执行、人工何时介入——需要大量的自定义代码。

钩子系统的工作原理

AgentMiddleware 提供六个干预点。before_agent 在调用时触发一次，用于加载内存或验证输入。before_model 在每次 LLM 调用前运行，用于修剪历史记录或捕获敏感数据。wrap_model_call 处理缓存、重试和动态工具绑定。wrap_tool_call 对工具执行执行相同操作。after_model 插入人工参与工作流程。after_agent 处理清理和通知。

这些中间件可以堆叠。开发者可以叠加多个修改而不会产生冲突。

常见问题的内置解决方案

LangChain 为生产部署中不断出现的模式提供预构建中间件。PIIMiddleware 实现 before_model 和 after_model 钩子来掩盖、编辑或散列个人身份信息——这对 HIPAA 合规至关重要，因为你无法简单地通过提示来实现法律安全。

LLMToolSelectorMiddleware 通过运行快速模型从注册表中识别相关工具来解决上下文膨胀问题，然后在主调用前仅绑定所需内容。SummarizationMiddleware 通过在令牌计数过高时压缩消息历史记录来防止上下文溢出。

ModelRetryMiddleware 使用可配置的重试逻辑包装 API 调用——重试次数、退避因子、速率限制的初始延迟。ShellToolMiddleware 处理代理循环周围的资源初始化和拆卸。

Deep Agents 作为概念验证

LangChain 完全在此中间件堆栈上构建了 Deep Agents 以验证架构。代理框架在 create_agent（LangChain 的标准入口点）上运行，顶层叠加专门的中间件：FilesystemMiddleware 用于基于文件的上下文管理，SubagentMiddleware 用于上下文隔离的子代理，SkillsMiddleware 用于渐进式能力披露。

该方法让团队独立拥有不同的关注点。业务逻辑与核心代理代码保持解耦。可重用的中间件可以在组织之间传播而无需紧密耦合。