1. 项目定位与用途
Agent Inbox 是 LangChain 团队开发的前端应用,专为 LangGraph 代理设计的人机循环交互收件箱。其核心定位是提供可视化界面,使人类能够在 AI 工作流因中断(interrupt)暂停时,进行审批、编辑或提供额外输入,从而完成协作任务。它作为连接 LangGraph 部署的客户端,负责展示中断详情、收集人类响应并回传至后端,是实现 Human-in-the-loop 模式的关键工具。
Agent Inbox 是为 LangGraph 代理设计的收件箱式前端工具,允许人类在 AI 工作流中断时进行干预。本文详细介绍其安装步骤、配置方法、中断处理机制及适用场景,帮助开发者快速集成人机循环功能。
Agent Inbox 是一个为 LangGraph 代理设计的收件箱式前端应用,提供可视化界面让人类在 AI 工作流中断时进行干预、审批或编辑,实现人机循环协作。
Agent Inbox 是 LangChain 团队开发的前端应用,专为 LangGraph 代理设计的人机循环交互收件箱。其核心定位是提供可视化界面,使人类能够在 AI 工作流因中断(interrupt)暂停时,进行审批、编辑或提供额外输入,从而完成协作任务。它作为连接 LangGraph 部署的客户端,负责展示中断详情、收集人类响应并回传至后端,是实现 Human-in-the-loop 模式的关键工具。
在 LangGraph 代理运行过程中,常需人类对关键步骤进行干预,例如审核 AI 生成内容、修正参数或做出决策。传统方式缺乏标准化交互界面,导致集成复杂。Agent Inbox 通过定义结构化中断模式(HumanInterrupt)与响应模式(HumanResponse),将干预过程抽象为 accept、ignore、response、edit 四种操作,解决了中断信息展示不清晰、人类响应难以回传、以及多 inbox 管理混乱等问题,显著提升了人机协作效率。
Agent Inbox 适用于任何需要人类介入的 LangGraph 代理工作流。典型场景包括:内容生成后的审核与修正(如文章、代码)、数据提取与验证(如表单填写、信息抽取)、复杂决策点的人工裁决(如风险评估、资源分配),以及 AI 助手需要用户反馈的交互式任务。开发者可在代理代码中插入中断点,并通过 Agent Inbox 界面实时处理,确保 AI 输出符合预期。
安装 Agent Inbox 需先确保环境具备 Node.js 和 yarn。具体步骤为:克隆仓库至本地(git clone https://github.com/langchain-ai/agent-inbox.git),进入项目目录(cd agent-inbox),运行 yarn install 安装依赖。此外,必须准备一个正在运行的 LangGraph 部署(本地或 LangGraph Platform)以及对应的 LangSmith API 密钥。仓库中未提供 Docker 或一键部署脚本,安装依赖仅支持 yarn。
启动前需完成配置:在侧边栏设置中填入 LangSmith API 密钥以认证;通过底部设置弹出框创建首个 Inbox,需提供 Assistant/Graph ID(代理标识)、Deployment URL(部署地址)及可选名称。配置存储于浏览器 localStorage。运行时,应用会从 LangGraph 部署拉取中断列表,用户点击线程可查看详情,并根据中断配置选择 accept(接受)、ignore(忽略)、response(回复文本)或 edit(编辑参数)操作,响应将回传至代理继续执行。
Agent Inbox 采用 Next.js App Router 架构,核心组件位于 src/components/agent-inbox,通过 URL 查询参数(如 threadId)切换收件箱列表与线程详情视图,并恢复滚动位置。通信层封装了 @langchain/langgraph-sdk 的 Client,处理认证与请求。消息转换模块(src/lib/convert_messages.ts)将 LangChain 消息格式适配为 Assistant UI 所需结构。UI 依赖 Radix UI 和 shadcn 风格组件,支持 Markdown 与代码高亮。仓库提供 Python 和 TypeScript 的最小示例参考,但自身为纯前端应用,不包含后端逻辑。
Agent Inbox 本身是纯前端应用,不提供后端逻辑。它需要连接一个已部署的 LangGraph 服务(本地或 LangGraph Platform)来获取中断和发送响应,因此用户需要自行部署或使用托管服务。