langgraph
Construir Agentes AI con LangGraph
LangGraph es un framework de grado de producción para construir aplicaciones AI con estado y múltiples actores. Esta skill te ayuda a diseñar arquitecturas de agentes con estructuras de grafos visibles, gestionar estados complejos, implementar ciclos y ramas, y añadir persistencia para conversaciones reanudables.
Descargar el ZIP de la skill
Subir en Claude
Ve a Configuración → Capacidades → Skills → Subir skill
Activa y empieza a usar
Pruébalo
Usando "langgraph". Create a simple agent with tools
Resultado esperado:
Aquí tienes una configuración básica de agente LangGraph:
1. Define AgentState con TypedDict
2. Crea funciones de herramienta con el decorador @tool
3. Construye el nodo del agente que llama al LLM con herramientas
4. Añade aristas condicionales para ejecución de herramientas
5. Compila y ejecuta el grafo
El agente will循环 entre el LLM y las herramientas hasta que no se llamen más herramientas, luego vuelve al usuario.
Usando "langgraph". How do I prevent infinite loops?
Resultado esperado:
Usa un contador de iteraciones máximas en tu estado:
1. Añade el campo 'iterations' a tu estado
2. Crea una función should_continue que verifique las iteraciones
3. Incrementa el contador en tu nodo de agente
4. Retorna END cuando las iteraciones excedan el límite
Esto asegura que tu agente tenga una condición de salida clara y no se ejecute infinitamente.
Auditoría de seguridad
Riesgo medioThe skill is a legitimate LangGraph documentation and assistance skill. One true positive was found: an eval() call in example code (line 67) that accepts user input without sanitization. This is documented example code showing tool implementation, but poses a risk if users copy this pattern. Multiple false positives were dismissed: Ruby/shell backtick execution (markdown code fences misinterpreted) and weak cryptographic algorithms (keyword matches on 'hash' in framework terminology).
Problemas de riesgo alto (1)
Problemas de riesgo bajo (2)
Factores de riesgo
⚡ Contiene scripts (1)
Patrones detectados
Puntuación de calidad
Lo que puedes crear
Construir Flujos de Trabajo de Agentes Multi-Paso
Crear agentes que pueden razonar, usar herramientas y mantener contexto de conversación a través de múltiples interacciones.
Implementar Sistemas de Agentes de Investigación
Diseñar agentes que pueden recopilar información de múltiples fuentes, fusionar hallazgos y producir informes sintetizados.
Crear Aplicaciones de Chat con Estado
Construir aplicaciones de chat que recuerdan el historial de conversación y pueden reanudar desde estados anteriores.
Prueba estos prompts
Crea un agente estilo ReAct simple usando LangGraph que pueda llamar herramientas. Muéstrame cómo definir el estado, crear nodos, configurar aristas y compilar el grafo.
Muéstrame cómo gestionar estado complejo en LangGraph usando TypedDict y reductores personalizados. Quiero acumular mensajes, fusionar hallazgos de múltiples nodos y rastrear el historial de conversación.
Ayúdame a implementar ramificación condicional en LangGraph. Necesito enrutar consultas a diferentes agentes según su tipo (codificación, búsqueda, chat) y manejar las respuestas apropiadamente.
Añade checkpointing a mi agente LangGraph para que las conversaciones puedan ser reanudadas. Muéstrame cómo configurar un checkpointer y persistir el estado entre sesiones.
Mejores prácticas
- Siempre define condiciones de salida claras en tus funciones de enrutamiento para prevenir bucles infinitos
- Usa reductores apropiadamente - add_messages para acumulación, funciones personalizadas para fusión compleja
- Diseña esquemas de entrada/salida para mantener el estado mínimo y enfocado en lo necesario
Evitar
- Usar eval() en entrada de usuario en herramientas - siempre valida y sanitiza cualquier expresión proporcionada por el usuario
- Crear nodos sin estado que no retornan actualizaciones de estado - defeat el propósito de LangGraph
- Usar estado monolítico gigante con campos innecesarios - causa overhead de serialización y inflado de contexto