LangGraph مكتبة من LangChain لبناء وكلاء متعددي الخطوات يحتفظون بالحالة، على شكل رسوم بيانية (graphs). وليس لها عميل نماذج خاص بها: عقدك تستدعي نموذج محادثة من LangChain. ولتشغيل رسم بياني على BroadNet Inference، أعطه ChatOpenAI من langchain-openai مع العنوان الأساسي لـ BroadNet. BroadRouter هو موقع BroadNet نفسها؛ وتتبع الخطوات توثيق LangGraph وLangChain حتى LangGraph 1.2.22 وlangchain-openai 1.8.
التثبيت
pip install langgraph langchain-openai
export BROADNET_API_KEY='your-broadnet-key'
رسم بياني يستدعي الأدوات
import os
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langgraph.graph import StateGraph, MessagesState, START
from langgraph.prebuilt import ToolNode, tools_condition
from langgraph.checkpoint.memory import InMemorySaver
@tool
def get_weather(city: str) -> str:
"""Get the weather for a city."""
return f"21C and sunny in {city}"
tools = [get_weather]
model = ChatOpenAI(
model="broadnet/glm-5.3",
base_url="https://inference.broadnet.ai/v1",
api_key=os.environ["BROADNET_API_KEY"],
).bind_tools(tools)
def call_model(state: MessagesState):
return {"messages": [model.invoke(state["messages"])]}
builder = StateGraph(MessagesState)
builder.add_node("model", call_model)
builder.add_node("tools", ToolNode(tools))
builder.add_edge(START, "model")
builder.add_conditional_edges("model", tools_condition)
builder.add_edge("tools", "model")
graph = builder.compile(checkpointer=InMemorySaver())
config = {"configurable": {"thread_id": "demo-1"}}
result = graph.invoke({"messages": [{"role": "user", "content": "What's the weather in Riyadh?"}]}, config)
print(result["messages"][-1].content)
عقدة النموذج تستدعي BroadNet. وتوجّه tools_condition الرسم البياني إلى عقدة الأدوات إذا احتوى الرد على استدعاءات أدوات، ثم تعود نتيجة الأداة إلى النموذج. ويحفظ الـ checkpointer المحادثة لكل thread_id، فإذا استدعيت invoke مرة ثانية بالإعداد نفسه تابعت المحادثة.
بث الرموز من الرسم البياني
for chunk, meta in graph.stream(
{"messages": [{"role": "user", "content": "And in Dubai?"}]},
config,
stream_mode="messages",
):
if chunk.content and meta["langgraph_node"] == "model":
print(chunk.content, end="", flush=True)
مع stream_mode="messages" يرسل ChatOpenAI الحقل stream: true إلى BroadNet، ويمرّر LangGraph الرموز كما تصل.
الوكيل الجاهز
إذا لم تحتج إلى رسم بياني مخصّص، فحلقة الوكيل الجاهزة تقبل النموذج نفسه:
from langchain.agents import create_agent # pip install langchain
agent = create_agent(
ChatOpenAI(model="broadnet/glm-5.3", base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"]),
tools=tools,
)
agent.invoke({"messages": [{"role": "user", "content": "Weather in Riyadh?"}]})
ما زالت create_react_agent من langgraph.prebuilt تعمل في LangGraph 1.2.22، لكنها تطبع تحذيرًا بأنها انتقلت إلى langchain.agents.create_agent.
أي نموذج تختار
| الرسم البياني | النموذج |
|---|---|
| وكلاء مع أدوات، ومخرجات منظَّمة | broadnet/glm-5.3 (سياق 1,048,576 رمزًا) |
| أدوات مع مدخلات صور أو نصوص عربية | broadnet/qwen3.8-27b (سياق 262,144 رمزًا) |
| رسوم بيانية بلا استدعاءات أدوات، ومستندات طويلة | broadnet/deepseek-v4.1-flash |
يُدرج توثيق BroadNet الأدوات والمخرجات المنظَّمة لنموذجَي GLM 5.3 وQwen3.8 27B فقط. أما DeepSeek V4.1 Flash فهو نموذج الخطط غير المحدودة، ولذلك يناسب الرسوم البيانية التي تلخّص وتوجّه دون استدعاء أدوات. اختبر حلقة أدوات عليه قبل أن تعتمد عليه. أسعار كل النماذج.
إعدادات مهمة
- ابقَ على chat completions. تقدّم BroadNet المسار
/v1/chat/completions. ويقول توثيق LangChain إنChatOpenAIينتقل إلى Responses API عند استخدام أدوات OpenAI المدمجة، أو حالة المحادثة، أو المعاملreasoning. فلا تستخدمها، ولا تضبطuse_responses_api=True. - حد المخرجات. يُحتسب الاستدلال المنطقي ضمن ميزانية المخرجات في DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B. اضبط
max_tokensعلى 2,000 أو أكثر في النموذج. وفي اختبارنا أرسله langchain-openai 1.8 باسمmax_completion_tokens. - الفروع المتوازية. كل فرع يستدعي النموذج طلبٌ مستقل. يسمح مفتاح الدفع حسب الاستخدام بـ 4 من الطلبات قيد التنفيذ، وجلسة الخطة تشغّل طلبًا واحدًا في كل مرة.
كيف اختبرنا هذا
في 2026-11-15 ثبّتنا langgraph 1.2.22 وlangchain-openai 1.8.0 وlangchain 1.5.0 في بيئة افتراضية نظيفة. شغّلنا الرسم البياني أعلاه وحلقة البث وcreate_agent مقابل خادم وهمي (mock) محلي يتحدث بنية chat completions الخاصة بـ BroadNet ويعيد استدعاءات أدوات. ثم فحصنا الطلبات المسجّلة: ذهب كل استدعاء إلى /v1/chat/completions بمعرّف النموذج broadnet/glm-5.3 دون تغيير، ومفتاح Bearer، ومخطط الأداة، وعادت نتيجة الأداة كرسالة tool. لم يكن لدينا مفتاح BroadNet، لذا لم نختبر مخرجات نموذج حقيقية.
حل المشكلات
- 401. المفتاح خاطئ، أو منتهي الصلاحية، أو استنفد رصيده.
- 404. يجب أن ينتهي
base_urlبـ/v1. وتحقق من معرّف النموذج مع البادئةbroadnet/. النماذج المدفوعة تحتاج إلى شحن الرصيد؛ والرصيد البالغ $5 يغطيbroadnet/gemma-4-26b-a4bونموذجَي Transcribe. - الوكيل لا يستدعي أي أداة. انتقل إلى
broadnet/glm-5.3أوbroadnet/qwen3.8-27b. - إجابات فارغة. استُهلكت ميزانية المخرجات في الاستدلال. ارفع
max_tokens. راجع لماذا تعود الإجابات فارغة. - 429. يسمح مفتاح الدفع حسب الاستخدام بـ 30 من الطلبات في الدقيقة. أضف
max_retriesإلىChatOpenAIوراجع الأخطاء وإعادة المحاولة.
