项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-08 · 当前星标 ★ 2119
使用教程
环境要求
- JDK 17 或更高版本(1.9.x、1.8.x 的 Java baseline 均为 17+)
- Maven 项目(README 只提供 Maven 依赖方式)
- 如需运行 Agent 示例,需本地可用的 Ollama 服务,示例默认地址 http://localhost:11434
- 可选:与 LangChain4j 或 Spring AI 集成时,需要对应的依赖模块
安装与启动步骤
-
1确认 Java 版本
安装 JDK 17 或以上版本,并确保 MAVEN 编译使用的也是该版本,否则无法使用 1.9.x / 1.8.x 任何版本。
-
2引入 BOM 管理版本
在 pom.xml 的 properties 中定义 langgraph4j.version,并通过 dependencyManagement 导入 langgraph4j-bom,统一管理各模块版本。
<properties> <langgraph4j.version>1.9.3</langgraph4j.version> <!-- Check for the actual latest version --> </properties> <!-- Optional: Add the Bill of Materials (BOM) to manage langgraph4j module versions --> <dependencyManagement> <dependencies> <dependency> <groupId>org.bsc.langgraph4j</groupId> <artifactId>langgraph4j-bom</artifactId> <version>${langgraph4j.version}</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement> -
3添加核心依赖
在 pom.xml 的 dependencies 中加入 langgraph4j-core(BOM 已管理版本,无需再写 version);按需再添加 langgraph4j-langchain4j 等模块。
<dependencies> <dependency> <groupId>org.bsc.langgraph4j</groupId> <artifactId>langgraph4j-core</artifactId> </dependency> <!-- Add other langgraph4j modules if needed, e.g., langgraph4j-langchain4j --> </dependencies> -
4改用快照版本
想用最新未发布特性时使用 snapshot 版本,并需在 pom.xml 或 settings.xml 中配置 Sonatype OSS 快照仓库。
<repositories> <repository> <id>sonatype-oss-snapshots</id> <url>https://central.sonatype.com/repository/maven-snapshots</url> <snapshots> <enabled>true</enabled> </snapshots> </repository> </repositories> -
5选择运行方式
编译好的图有两种执行方法:stream 返回 AsyncGenerator,每个元素是某节点执行完后的状态;invoke 返回 CompletableFuture,完成时给出到达 END 的最终状态。
stream(S initialState, RunnableConfig config) invoke(S initialState, RunnableConfig config) -
6运行你的第一个图
调用 compile() 得到可执行图,再用 stream 或 invoke 传入初始状态 Map 与 RunnableConfig;示例用 forEachAsync 打印每一步状态。
agent.stream( Map.of( "messages", "perform test twice and return number of current active threads" ) ) .forEachAsync( item -> System.out.println( item )); -
7接入 Ollama 模型
README 的 Agent 示例使用 OllamaChatModel 构建 chatModel,默认 baseUrl 为 http://localhost:11434,再通过 AgentExecutor 绑定工具并 compile。
var model = OllamaChatModel.builder() .modelName( <model name> ) .baseUrl("http://localhost:11434") .supportedCapabilities(Capability.RESPONSE_FORMAT_JSON_SCHEMA) .logRequests(true) .logResponses(true) .maxRetries(2) .temperature(0.0) .build(); var agent = AgentExecutor.builder() .chatModel(model) .toolsFromObject(new TestTool()) .build() .compile(); -
8可视化调试
README 提供可嵌入的 Web 应用 Langgraph4j Studio,用于可视化与实验图结构,需访问官网 studio 页面获取入口。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
langgraph4j.version | 是 | 在 pom.xml properties 中声明 LangGraph4j 版本号 | 1.9.3 |
groupId | 是 | 依赖所属组织 ID | org.bsc.langgraph4j |
artifactId | 是 | 核心模块坐标,BOM 管理版本时可不写 version | langgraph4j-core |
snapshots.repository.url | 否 | 仅使用快照版本时需配置的 Sonatype 快照仓库 | https://central.sonatype.com/repository/maven-snapshots |
baseUrl | 否 | Ollama 服务地址,Agent 示例中默认值 | http://localhost:11434 |
temperature | 否 | 模型采样温度,示例中设为 0.0 | 0.0 |
如何确认成功
调用 invoke() 后 CompletableFuture 正常完成并返回最终状态,或 stream() 能逐个打印节点完成后的状态且无异常,即表示配置成功。
常见问题
Q:需要什么 Java 版本?
A:README 的版本表标明 1.9.x、1.9.3 开发构建与 1.8.x LTS 均为 Java 17+,低于 17 无法使用。
Q:stream 和 invoke 有什么区别?
A:stream 返回 AsyncGenerator,每个产出项是某节点执行完成后的状态,适合逐步骤观察或流式输出;invoke 返回 CompletableFuture,在到达 END 节点时给出最终状态。
Q:怎么用最新未发布特性?
A:改用 snapshot 版本,并在 pom.xml 或 settings.xml 中启用 Sonatype OSS snapshots 仓库;README 提示快照用户应预期活跃的开发与预发布变更。
Q:1.8 还能用吗?
A:可以。1.8.x 为 LTS,维护在 support/1.8.x 分支,只做 bugfix 和小幅改进;主仓库已更新到 1.9。
Q:有没有可视化工具?
A:有。Langgraph4j Studio 是可嵌入的 Web 应用,用于可视化与实验图,README 中提供了 studio 链接入口。
注意事项
- README 只给出 Maven 依赖方式,未提供 Gradle 或命令行脚手架,请勿臆造其他安装命令。
- 版本号请以 Maven Central(central.sonatype.com 搜索 g:org.bsc.langgraph4j)实际最新版本为准,示例中的 1.9.3 需自行核对。
- 1.9.x 包含实验性新特性以准备迁移到 2.0,生产环境建议评估后再升级,或用 1.8.x LTS。
- 示例中的 Ollama 模型名、工具类与运行地址需按你本地实际环境替换。
核心亮点
- 与 LangChain4j、Spring AI 双向兼容,Java 项目可直接接入现有模型与工具生态
- 提供图结构编排,支持条件边、循环、并行与状态检查点,能表达多步 Agent 与人工介入流程
- API 设计对齐 Python 版 LangGraph,团队跨语言迁移成本低,Java 侧文档与示例较完整
不足之处
- 生态与社区规模远小于 Python 版 LangGraph,第三方集成和现成案例较少
- 部分高级特性(如持久化后端、可视化调试)成熟度依赖具体版本,需自行验证
适用场景
- 在 Spring Boot 服务中编排多步 RAG 与工具调用 Agent
- 构建需要人工审批中断与恢复的企业级 AI 工作流
- 把复杂 LLM 推理流程拆成可测试、可观测的图节点
替代项目
LangGraph、LangChain4j、Spring AI
上一篇:air
下一篇:voice-ui-kit
同类项目推荐
grace
开源
用函数式语言写提示,把散乱 prompt 变成可组合程序
A prompt engineering functional programming language
psaisuite
开源
一套 PowerShell 接口,统一调用多家大模型
Enterprise-grade PowerShell abstraction layer for 15+ GenAI providers. Standardized ···
toon
开源
让LLM提示词更省Token,数据序列化更紧凑
Token-Oriented Object Notation (TOON) – compact, human-readable serialization of JS···
Google_GenerativeAI
开源
C# 项目一行接入 Gemini,多模态流式对话开箱即用
Most complete C# .Net SDK for Google Generative AI and Vertex AI (Google Gemini), fe···
learn-harness-engineering
开源
从零上手 Harness 工程,快速构建生产级 AI Agent
Harness engineering beginner tutorial, from 0 to 1
ComfyUI-MultiGPU
开源
一键扩展显存,多卡并行跑大模型,低配也能生成高清视频。
This custom_node for ComfyUI adds one-click "Virtual VRAM" for any UNet and CLIP loa···
ChatGLM-web-stream-demo
开源
快速搭建 ChatGLM 流式对话网页,即拿即用
ChatGLM-6B HTTP流式解码API的Flask、FastAPI实现,以及开箱即用的Web页面。 a stream dec···
output
开源
用 TypeScript 构建可靠 AI 工作流,让 Claude 自动写代码
The open-source TypeScript framework for building AI workflows and agents. Designed ···
oxideterm
开源
用 Rust 打造 AI 终端,轻量无遥测,本地远程都能用。
Fast, native Rust + GPUI workspace for local and SSH with MCP tools—no WebView, no ···
