AI agent 正在迅速从令人惊叹的演示演进到大规模的生产级应用，而 LangGraph 让这一转变比以往更顺畅。但在此之前，把这些 agent 接到一个 frontend（并为用户提供实时交互）往往需要一堆杂乱的 API、state management，以及运气。
现在介绍 useAgent —— 一个简单的 React hook，能让你的 frontend 直接连接到 LangGraph agent。无需连线。无需样板代码。无痛集成。
可以把它理解为： React - LangGraph，完全同步，完全实时。
在本指南中，我们将解释该 hook 的工作原理，并通过实用示例演示消息展示、state 同步、event 监听、tool 渲染以及 interrupt 处理。
让我们开始吧。
什么是 useAgent？
useAgent 是来自 @copilotkit/react-core/v2 的一个 React hook，使你的组件能够实时访问 LangGraph agent。
这意味着你可以：
- 读取 messages
- 发送 commands
- 跟踪 status
- 同步 state
- 处理 interrupts
- 渲染 tool calls
- 构建 dashboards
把你的 agent 看作后端的大脑。useAgent 则是 frontend 与它沟通的方式。
- 在任意组件中访问你的 agent
首先，引入该 hook：
import { useAgent } from "@copilotkit/react-core/v2";然后这样调用：
export function AgentInfo() { const { agent } = useAgent(); return ( <div> <p>Agent ID: {agent.id}</p> <p>Thread ID: {agent.threadId}</p> <p>Status: {agent.isRunning ? "Running" : "Idle"}</p> <p>Messages: {agent.messages.length}</p> </div> );}无需空值检查。 无需等待初始化。 如果你的 agent 未配置，hook 会立即抛出错误。
- 显示消息（像聊天应用一样）
每个 agent 都有消息历史。你可以直接遍历它：
export functionMessageList() {const { agent } = useAgent();return ( <div> {agent.messages.map((msg) => ( <div key={msg.id}> <strong>{msg.role}:</strong> <span>{msg.content}</span> </div> ))} </div> );}搞定——你已经实现了一个实时的聊天历史。
- 展示 agent 运行状态
agent 需要时间“思考”。你的 UI 可以这样提示：
export functionAgentStatus() {const { agent } = useAgent();return ( <div> {agent.isRunning ? ( <div> <div className="spinner" /> <span>Agent is processing...</span> </div> ) : ( <span>Ready</span> )} </div> );}这对 UX 非常有帮助。
- 读取与更新共享 state
你的 agent 与 UI 共享同一个 state 对象。
- React 更新它——agent 就能看到。
- agent 更新它——React 会重新渲染。
读取 state：
export function StateDisplay() { const { agent } = useAgent(); return ( <div> <h3>Agent State</h3> <pre>{JSON.stringify(agent.state, null, 2)}</pre> {agent.state.user_name && <p>User: {agent.state.user_name}</p>} {agent.state.preferences && <p>Preferences: {JSON.stringify(agent.state.preferences)}</p>} </div> );}更新 state：
export functionThemeSelector() {const { agent } = useAgent();constupdateTheme = (theme: string) => { agent.setState({ ...agent.state, user_theme: theme, }); };return ( <div> <button onClick={() => updateTheme("dark")}>Dark Mode</button> <button onClick={() => updateTheme("light")}>Light Mode</button> <p>Current: {agent.state.user_theme || "default"}</p> </div> );}这非常强大，因为你的 agent 能够记住上下文、偏好和过往决策。
- 订阅 agent events
agent 会发出 events，例如：
- run started
- run finalized
- state changed
- messages changed
- custom events
你可以用一小段代码订阅：
export functionEventLogger() {const { agent } = useAgent();useEffect(() => { constsubscriber: AgentSubscriber = { onCustomEvent: ({ event }) => { console.log("Custom event:", event.name, event.value); }, onRunStartedEvent: () => { console.log("Agent started running"); }, onRunFinalized: () => { console.log("Agent finished running"); }, onStateChanged: (state) => { console.log("State changed:", state); }, }; const { unsubscribe } = agent.subscribe(subscriber); return() =>unsubscribe(); }, []);returnnull;}这正是你构建 observability dashboards 的方式。
- 渲染 tool calls（天气示例）
agent 不只是回复——它还会运行 tools。 你可以在 UI 中完全自定义每个 tool 的外观。
定义一个 renderer：
export const weatherToolRender = defineToolCallRenderer({ name: "get_weather", render: ({ args, status }) => { return <WeatherCard location={args.location} status={status} />; },});然后注册它：
<CopilotKit runtimeUrl="/api/copilotkit" renderToolCalls={[weatherToolRender]}>并渲染 tool outputs：
{renderToolCall({ toolCall, toolMessage })}现在，你的 AI 可以动态激活 UI 组件——比如卡片、图表、警示等。
- 构建一个完整的 dashboard
把以上概念组合起来就能做出一个完整的 UI：
export default function AgentDashboard() { const { agent } = useAgent(); return ( <div className="p-8 max-w-4xl mx-auto space-y-6"> ... </div> );}这正是让 MVP 级应用升级为生产级 dashboards 的方式。
- 处理 LangGraph interrupts（动态输入！）
LangGraph 可以暂停自身（interrupt）并向用户请求更多信息。
你可以这样处理：
if (event.name === "on_interrupt") { const response = prompt(event.value); ...}或者构建一个自定义 UI：
export function CustomInterruptHandler() { ...}这非常适合如下流程：
- “我应该使用哪个文件？”
- “请选择一个分类：”
- “是否继续？”
你的 agent 会变得真正交互式，而不只是对话式。
结语
useAgent 这个 hook 是打造 AI agent 应用最简单却又最强大的工具之一。它把 LangGraph 变成一个真正意义上的全栈框架：
- 无需手写 manual polling
- 无需繁琐 websockets
- 无需自建 state management
- 无需重体力活
只需将 React 组件直接连接到你的 agent 大脑。
如果你在 2026 年开发 AI 应用，这就是值得采用的方式。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
)