在大模型Agent开发领域，ReAct框架凭借“思考-行动-观察”的闭环逻辑，成为连接LLM与外部工具的核心范式。今天就带大家从零实战，基于LangGraph、LangChain和DeepSeek API，开发一个可实现天气查询、数学计算、文档读取的多功能ReAct Agent，难度适中（初级），全程可落地，预计2-3小时即可完成。
先说明一个小问题：文中涉及的DeepSeek API相关两个链接（https://platform.deepseek.com/ 和 https://api.deepseek.com/v1），其中API接口链接解析失败（报错提示“网页解析失败，可能是不支持的网页类型，请检查网页或稍后重试”），但不影响项目开发——API Key申请可正常通过平台链接操作，接口配置按文中步骤填写即可。
一、项目核心亮点（快速get价值）

• 核心技术栈：LangGraph + LangChain + DeepSeek API，贴合工业级Agent开发场景
• 难度等级：⭐⭐⭐☆☆ 初级，新手友好，无需复杂底层知识
• 核心功能：天气查询、安全数学计算、多格式文档读取，支持多工具组合调用
• 学习价值：吃透ReAct推理循环、LangGraph图构建、LangChain工具封装核心技能
  二、核心学习收获
  完成本项目后，你能快速掌握Agent开发核心能力，具体包括：

1. 理解ReAct框架“Thought → Action → Observation”的推理循环核心原理
2. 掌握LangGraph构建Agent图的核心方法，理解节点、边、路由的核心逻辑
3. 学会用@tool装饰器封装Python函数，打通LLM与外部工具的连接
4. 对接DeepSeek API，实现Agent的智能推理与决策
5. 学会调试Agent行为，理解LLM的决策过程，解决开发常见问题

react_agent/
├── main.py                    # 主程序入口（交互/演示双模式）
├── requirements.txt           # Python 依赖
├── .env.example               # 环境变量模板
│
├── agent/
│   ├── __init__.py
│   ├── react_agent.py         # ⭐ 核心：LangGraph ReAct 图构建
│   ├── state.py               # Agent 状态定义（AgentState）
│   └── prompts.py             # 系统提示词（ReAct 格式规范）
│
├── tools/
│   ├── __init__.py
│   ├── weather_tool.py        # 🌤️ 天气查询工具（wttr.in / OpenWeatherMap）
│   ├── calculator_tool.py     # 🧮 安全数学计算工具
│   ├── document_tool.py       # 📄 文档读取与关键词搜索工具
│   └── visualize_graph.py     # 图结构可视化工具
│
├── docs/
│   └── product_manual.txt     # 示例文档（AI 服务器产品手册）
│
└── tests/
    └── test_tools.py          # 工具单元测试（无需 API Key）

三、快速上手（极简实操）
无需复杂操作，3步即可启动Agent（完整步骤、依赖清单、配置细节，私聊我获取）：
第一步：安装核心依赖
进入项目根目录，执行一键安装命令：

cd chapter2_react_agent
pip install -r requirements.txt

第二步：配置DeepSeek API Key
7. 复制环境变量模板生成.env文件，编辑填入API Key；
8. API Key申请地址：https://platform.deepseek.com/，免费注册即可获取；
（完整配置代码、环境变量模板，私聊我领取）
第三步：启动Agent
执行主程序，支持交互式对话和自动演示两种模式，新手推荐先看自动演示：
python main.py

四、核心架构与工具（亮点速览）
9. ReAct推理循环（Agent核心逻辑）
Agent的核心是“思考-行动-观察”的闭环：接收用户问题 → 调用DeepSeek API思考是否需要调用工具 → 执行工具获取结果 → 继续思考直到输出答案（完整流程图、详细解析，私聊获取）。
10. 三大核心工具（实用易扩展）

• 天气工具：支持中文/英文城市查询，返回实时天气+3天预报，免费无需注册
• 计算器工具：安全可控，支持四则运算、常用数学函数和常量，杜绝恶意代码
• 文档工具：支持txt/md/pdf格式，关键词精准搜索，路径安全校验（完整工具代码私聊领取）
  五、示例效果（眼见为实）
  启动Agent后，可直接输入问题，Agent将自主调用对应工具给出答案，示例如下：
• 天气查询：“北京今天天气怎么样？需要带伞吗？”
• 数学计算：“100万本金，年化8%，复利20年后是多少？”
• 文档查询：“查看产品手册，X1服务器的GPU型号和显存是什么？”
• 多工具组合：“上海现在多少度？维持室温22度需要升温多少度？”
  （完整示例演示视频、预设问题清单，私聊我获取）
  六、进阶思考与资源领取
  完成基础实战后，可深入思考这些进阶问题（完整解析私聊获取）：

11. LangGraph相比LangChain AgentExecutor，优势在哪里？
12. ReAct与Chain-of-Thought（CoT）的核心区别是什么？
13. 如何防止Agent陷入无限循环？
14. 多Agent协作该如何实现？
    七、总结与福利
    本文仅展示项目核心亮点和极简实操步骤，目的是让大家快速了解项目价值——这个多功能ReAct Agent，既能练手Agent开发核心技能，又能直接用于日常实用场景，性价比拉满。
    重点来了！完整项目代码、详细目录结构、依赖清单、环境变量模板、架构流程图、工具源码、演示视频，想获取全部资源、跟着完整步骤落地项目的朋友，私聊我即可领取，还能免费解答开发过程中的所有问题～