大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



这四个概念与LangChain的关系，可以这样理解：

Prompt、Agent、Skill、MCP是构建智能体的"设计模式"或"能力组件"，而LangChain是将它们落地为实际代码的"开发框架"。

LangChain为每一个概念都提供了具体的实现工具。下面这张图可以帮你快速建立整体认知：

接下来，我们具体看看每个概念在LangChain中是如何体现的：

---

在LangChain中的对应： PromptTemplate、ChatPromptTemplate、SystemMessage 等

Prompt是LangChain最基础的组件之一，它将提示词工程从"纯文本拼接"升级为可复用、可组合的模板系统：

 
   
    
     
 
      
from langchain.prompts import PromptTemplate 
 
      
传统方式：手动拼接字符串
 
      
prompt = f"将以下文本翻译成英文：{text}"
 
      
LangChain方式：模板化管理
 
      
template = PromptTemplate.from_template("将以下文本翻译成：{text}") formatted = template.format(target_lang="英文", text="你好世界")
 
     

 
LangChain的Prompt能力远超简单模板：
 

• Few-shot示例管理 ：内置FewShotPromptTemplate，自动管理示例的插入和格式化
• 消息角**分 ：SystemMessage、HumanMessage、AIMessage，适配Chat模型的对话结构
• 与输出解析器联动 ：Prompt可以直接定义期望的输出格式，配合PydanticOutputParser自动解析

角色定位：Prompt是Agent的"大脑指令"，LangChain负责把它从硬编码字符串变成可维护的工程资产。

---

在LangChain中的对应： create_agent（LangChain 1.0核心）、AgentExecutor、Middleware、LangGraph

Agent是LangChain 1.0版本的核心焦点。在1.0版本中，LangChain放弃了早期复杂的Chain设计，全面转向Agent优先的架构。

核心实现：create_agent

LangChain 1.0提供了一个极简的Agent创建接口：

 
    
    
      
 
       
from langchain.agents import create_agent 
 
       
agent = create_agent(
 
       
model="openai:gpt-4o", tools=[get_weather, search_database], system_prompt="你是一个专业的客服助手" 
 
       
)
 
       
result = agent.invoke({"messages": [{"role": "user", "content": "上海今天天气怎么样？"}]})
 
      

 
关键创新：Middleware（中间件）
 

Agent的生产落地最大挑战是"上下文工程"------如何控制进入模型的信息。LangChain 1.0通过Middleware机制解决了这个问题：

 
    
    
      
 
       
from langchain.agents import create_agent 
 
       
from langchain.agents.middleware import summarizationMiddleware, humanInTheLoopMiddleware
 
       
agent = create_agent(
 
       
model="openai:gpt-4o", tools=[send_email], middleware=[ # 自动总结过长对话，防止上下文溢出 summarizationMiddleware(max_tokens_before_summary=4000), # 敏感操作需要人工审批 humanInTheLoopMiddleware(interrupt_on={"send_email": True}), ] 
 
       
)
 
      

 
Middleware允许开发者在Agent执行循环的关键节点（调用模型前、调用模型后、调用工具时）插入自定义逻辑，而不需要重写核心循环。
 

复杂场景：LangGraph

对于需要精细控制的多Agent协作、复杂状态机等场景，LangChain提供了LangGraph------一个基于图结构的状态管理框架，可以实现持久化、人机协作、时间旅行等高级功能。

角色定位：Agent是LangChain 1.0的"一等公民"，框架的核心就是让你用最少代码构建生产级Agent。

---

在LangChain中的对应： load_skill工具、Deep Agents包、预置技能包

Skill在LangChain生态中是一个相对较新且正在演进的概念。根据LangChain官方博客的定义，Skills是：

"为AI编码代理提供专业领域知识的指令、脚本和资源的集合"

核心实现机制：按需加载（Progressive Disclosure）

Skill的核心思想是避免一次性给Agent太多工具（这会导致性能下降），而是让Agent在需要时才加载特定领域的专业知识：

 
     
    
       
 
        
from langchain.agents import create_agent 
 
        
from langchain.tools import tool
 
        
定义加载skill的工具
 
        
@tool def load_skill(skill_name: str) -> str:
 
        
"""按需加载专业技能""" skills = { "write_sql": "你是SQL专家，掌握...", "review_legal": "你是法律文档审核专家..." } return skills.get(skill_name, "Skill not found") 
 
        
agent = create_agent(
 
        
model="openai:gpt-4o", tools=[load_skill], # 只暴露一个加载工具 system_prompt="你可以按需加载专业技能" 
 
        
)
 
       

 
官方实践：LangChain Skills
 

LangChain官方已经发布了11个预置技能包，覆盖LangChain、LangGraph、Deep Agents三大类。测试数据显示，使用Skills后，Claude Code在LangChain相关任务上的通过率从25%提升到95%。

角色定位 ：Skill是"按需加载的专业能力"，LangChain通过load_skill工具和Deep Agents包来支持这一模式，但Skill本身仍是一个较新的概念，生态还在建设中。

---

在LangChain中的对应： langchain-mcp-adapters、MultiServerMCPClient、create_mcp_tool

MCP是由Anthropic推出的开放协议，旨在标准化LLM与外部工具/数据源的通信方式。LangChain通过MCP适配器包实现了完整集成。

核心实现：将MCP服务器转换为LangChain工具

 
      
    
        
 
         
from langchain_mcp_adapters.client import MultiServerMCPClient 
 
         
from langchain.agents import create_agent
 
         
async def main():
 
         
# 连接MCP服务器 client = MultiServerMCPClient({ "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"] } }) # MCP工具自动转换为LangChain工具 tools = await client.get_tools() # 直接用于Agent agent = create_agent(model="openai:gpt-4o", tools=tools)
 
        
 
MCP的价值 ：传统方式下，每接入一个新工具（数据库、GitHub、Slack等）都需要写适配代码。有了MCP，工具提供商只需编写一个MCP服务器，所有支持MCP的客户端（LangChain、Claude Desktop等）都能直接使用。
 

角色定位：MCP是"工具的标准化协议"，LangChain通过适配器将它变成自己生态的一部分，让你可以即插即用海量MCP社区工具。

---

如果用一句话总结：LangChain是一个"翻译器"——它把这些概念层面的设计模式，翻译成了你可以在Python/TypeScript代码中直接调用的API。无论你想设计Prompt、构建Agent、封装Skill还是接入MCP工具，LangChain都提供了对应的工程化方案。