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。

---

1. 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。

---

2. 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。

---

3. 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。

---

4. 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。

---

5. 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。

---

6. 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。

---

7. 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。

---

8. 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”！