Thought for 4 seconds
| Node | |
| ------------------------------------------------ |:------------------------------------------------------- |
| 内置虚拟node；分别代表图的入口和终止条件。| `START` `EMD` `graph_builder.add_edge(START, "chatbot")` |
| | |
| 预构建节点；自动并行执行 LLM 返回的 tool_calls 并生成 ToolMessage。| `tool_node = ToolNode(tools=my_tools)` |
| 一整套 **“带工具路由 + ReAct 推理 + 记忆管理”** 的 [[子图、执行器]] | create_react_agent |
| 给 LLM 声明可调用工具，配合 ToolNode 使用。| `llm_with_tools = llm.bind_tools(tools)` |
## 一句话先说清
- **`create_react_agent`** 生成的是一整套 **“带工具路由 + ReAct 推理 + 记忆管理”** 的 **子图**／执行器，基本开箱即用。
- **普通 Node**（你自己写的 `def some_node(state): …`）只是图里的 **单个步骤**，要自己决定“读状态、做事、写回状态、跳去哪里”。
---
## 1 概念层级
|层级|`create_react_agent`|普通 Node|
|---|---|---|
|**颗粒度**|_子图 / Executor_：内部已包含一系列调用循环|_原子步骤_：一段同步或异步函数|
|**职责**|- 解析提示- 让 LLM 想 (Reasoning)- 选工具 & 调用- 处理工具结果- 把动作写回 `AgentState`- 决定继续还是结束|你自己写什么就做什么；常见是：- 调一个 LLM / API / 业务逻辑- 更新 `State` 字段- 返回 `Command(goto=…, update=…)`|
|**返回值**|直接产出 `AgentState`（内部自己循环），调用者通常只关心最终 `messages`|必须返回 `Command` 指明：① 下一跳 `goto` ② 要更新哪些状态|
|**需要手写的东西**|基本只写 Prompt 模板 + 工具列表；复杂流程全交给框架|Node 函数体 + Prompt（如需要）+ 显式路由逻辑|
|**适用场景**|快速拉起“LLM + 多工具”的对话式 Agent；关注业务而非框架细节|对流程有**精细控制**需求，或 Node 逻辑与 ReAct 不匹配（数据库事务、调用外部服务、规则判断等）|
---
## 2 在 Taurus 里的示例对比
### 2.1 用 `create_react_agent`
```python
# agents/agents.py
research_agent = create_react_agent(
get_llm_by_type("qunar_chat_model"),
tools=[tavily_tool, crawl_tool],
prompt=lambda state: apply_prompt_template("researcher", state),
)
```
- 你 **不用关心** 工具调用顺序、思考链、错误重试等；
- 想用时直接 `research_agent.invoke(state)`，返回最后一步的 `AgentState`。
### 2.2 手写 Node
```python
# graph/nodes.py
def planner_node(state: State) -> Command[Literal["supervisor", "__end__"]]:
messages = apply_prompt_template("planner", state)
stream = llm.stream(messages) # 你自己控制流式
full_response = "".join([c.content for c in stream])
goto = "supervisor" if is_json(full_response) else "__end__"
return Command(
update={"messages": [AIMessage(content=full_response)]},
goto=goto,
)
```
- 逻辑、异常处理、路由都要你亲自写；
- 优势是**完全可控**，想怎样就怎样。
---
## 3 如何一起用？
在 Taurus 里，你常见两种用法：
1. **把 `create_react_agent` 生成的 Agent 当成“黑盒工具”**
在某个 Node 里简单 `result = research_agent.invoke(state)`，再把结果塞回大的 `State`。
2. **纯手写 Node 组合成大图**
比如 `supervisor_node → planner_node → reporter_node`，每一步都显式 `Command(goto=…)`。
这样可以按需取舍：
- **简单搜索 / 抓取** → 用 React‑Agent，省事；
- **流程敏感或需要业务判断** → 手写 Node，细节自己把控。
---
### 小结
- **`create_react_agent`**：像“自动挡”，更高抽象层，帮你把 **ReAct 循环 + 工具调用** 都包了。
- **普通 Node**：像“手动挡”，粒度小，**路由与状态更新全靠你自己**。
- 两者可以在一张图里混用，各做各擅长的事情。