Alle Tools// Codeopen_source

LangGraph

Low-Level-Runtime für lang laufende, zustandsbehaftete Agenten mit Checkpoints, Streaming und Human-in-the-loop.

LangGraph ist ein Low-Level-Framework und Runtime für lang laufende, zustandsbehaftete Agenten. Du modellierst Schritte als Graph, hältst Zustand über mehrere Aufrufe und entscheidest selbst, wo Schleifen, Verzweigungen oder menschliche Kontrollpunkte sitzen. LangGraph kann laut Dokumentation auch ohne LangChain verwendet werden.

Was es kann

Mehrschrittige Abläufe mit Zustand, Knoten und Kanten bauen.
Durable Execution, Streaming und Checkpoints für längere Läufe einsetzen.
Persistenz und Memory ergänzen, wenn ein Agent über mehrere Aufrufe hinweg weiterarbeiten soll.
Human-in-the-loop an Stellen einbauen, an denen ein Mensch prüfen oder freigeben muss.

Wann's was bringt, und wann nicht

LangGraph passt, wenn der Ablauf selbst das Problem ist: Wiederholungen, Verzweigungen, Unterbrechungen oder ein klarer Zustand zwischen Agenten-Schritten. Für eine einfache Prompt-und-Modell-Kette ist es zu viel; dafür reicht LangChain oder ein direktes SDK. Du schreibst den Graphen und musst Zustände, Fehler und Wiederaufnahme bewusst definieren.

Alternativen

LangChain für allgemeine Modell- und Tool-Bausteine.
CrewAI für rollenbasierte Multi-Agenten-Abläufe.
LlamaIndex wenn der Schwerpunkt auf Dokumenten und RAG liegt.

Beispiel-Workflow

Einen Graphen mit zwei Knoten und einem kleinen Zustandsobjekt bauen.
Den Zustand zwischen den Knoten prüfen und einen Fehlerpfad ergänzen.
Erst danach Schleifen, Checkpoints und einen menschlichen Freigabepunkt einbauen.
Einen fertigen Graphen über ein eigenes Frontend oder einen Dienst wie Vercel AI SDK zugänglich machen.

Tipp

Schreibe zuerst auf, welcher Zustand nach jedem Schritt dauerhaft erhalten bleiben muss. Das verhindert, dass die Graphstruktur nur einen linearen Prompt-Wrapper nachbildet.

Pricing

LangGraph ist ein Open-Source-Framework. Es gibt keinen separaten LangGraph-Tarif. LangSmith kann für Tracing und Evaluation zusätzlich eingesetzt werden und wird separat bepreist.

Passt zu dir, wenn dein Agent Schleifen, Zustand, Wiederaufnahme oder menschliche Kontrollpunkte braucht und du den Ablauf im Code festlegen willst.

// Lokaler Graph

LangGraph im Kontext

8 direktKarte öffnen

// Quick Win

Baue einen Graphen mit zwei Knoten und prüfe den Zustand, bevor du Schleifen hinzufügst.

// Stark in

Entwickler, die volle Kontrolle über den Agenten-Flow als Graph brauchen
Mehrstufige Abläufe mit Zustand über Schritte und Sessions hinweg
Workflows mit eingebauten Human-in-the-Loop-Kontrollpunkten

// Nicht gedacht für

Abläufe ohne Code visuell zusammenklicken
Einzelner, einfacher Modellaufruf ohne Agentenlogik
Einsatz ohne Programmiererfahrung

// Beziehungen

Kombiniert sich gut mit

LangChainLangChain liefert die Bausteine fürs Modell- und Tool-Anbinden, LangGraph verdrahtet sie zu einem zustandsbehafteten Ablauf mit Loops und Verzweigungen.
Vercel AI SDKDen fertigen Agenten hängst du übers Vercel AI SDK an dein Frontend, damit Nutzer im Browser mit ihm reden.

Alternative wenn …

Mehrere Agenten mit Rollen sollen zusammenarbeiten, ohne dass du jeden Schritt selbst verdrahtest →CrewAI
Es geht vor allem um RAG und deine eigenen Daten ans Modell zu bringen →LlamaIndex
Eine simple lineare Kette aus Prompt und Modell reicht →LangChain

Was es kann

Mehrschrittige Abläufe mit Zustand, Knoten und Kanten bauen.

Durable Execution, Streaming und Checkpoints für längere Läufe einsetzen.

Persistenz und Memory ergänzen, wenn ein Agent über mehrere Aufrufe hinweg weiterarbeiten soll.

Human-in-the-loop an Stellen einbauen, an denen ein Mensch prüfen oder freigeben muss.