LangChain 1.0 全新特性！标准化消息内容视图，让多模型开发无缝切换

ermulong

发布于 2025-9-10 23:57

浏览

0收藏

在大模型技术快速迭代的今天，开发者面临的最大痛点之一就是 不同厂商 API 的分化。每次切换 LLM 提供商（如 OpenAI、Anthropic、Google Gemini），都可能要重写一大堆代码，既耗时又增加维护成本。

现在，LangChain 给出了答案：我们正式推出了 标准化消息内容视图（Standard Content Blocks）。它统一了推理过程、引用标注、服务端工具调用以及多模态能力，让你真正做到 “一次编写，随处运行”。

为什么需要标准化？

LangChain 的核心优势一直是提供 跨大模型的抽象层。但随着功能越来越丰富，问题也越来越严重：

各大厂商支持的功能类似，但 API 表达差异很大；
兼容层（如 Chat Completions API）通常更新滞后，甚至无法覆盖原生功能；
Web 搜索、代码解释器、多模态数据等能力难以保持一致。

结果是：开发者不得不在兼容逻辑上反复“造轮子”。

而 Standard Content Blocks 的出现，正是要把这些分歧统一到一个标准结构上。

LangChain 1.0 的新能力

在 langchain 1.0 中，所有消息对象都支持标准化的 .content_blocks 属性，它会从现有消息内容中延迟生成一致的结构。

标准化内容块确保 相同的功能在不同提供商之间得到一致表示。它们实际上是一组类型化的数据结构，包括：

标准文本输出（包括 citations / annotations）
模型 reasoning 输出（结构化 chain-of-thought）
多模态数据：图片、音频、视频、文档（URL / base64 / 存储桶 ID）
工具/函数调用（function calls & tool use）
厂商特定工具：Web 搜索、代码执行等

支持范围：目前已在 Python 和 JS 中提供。

技术细节与示例

不同厂商 API 的响应在结构上差异明显。以下以 Anthropic Claude 与 OpenAI Responses API 为例。

Anthropic 示例

from langchain.chat_models import init_chat_model

llm = init_chat_model(
    "anthropic:claude-sonnet-4-20250514",
    thinking={"type": "enabled", "budget_tokens": 5_000},
).bind_tools([{
    "type": "web_search_20250305",
    "name": "web_search",
    "max_uses": 1,
}])

response = llm.invoke("When was LangChain created?")
print(response.content)

返回的 .content 包含 thinking、server_tool_use、web_search_tool_result 和 text。

OpenAI 示例

from langchain.chat_models import init_chat_model

llm = init_chat_model(
    "openai:gpt-5-nano",
    reasoning={"effort": "low", "summary": "auto"},
).bind_tools([{"type": "web_search_preview"}])

response = llm.invoke("When was LangChain created?")
print(response.content)

返回的结果使用 reasoning、web_search_call 和 text，字段命名与结构不同。

统一后的 `.content_blocks`

使用 .content_blocks 属性，二者会被解析为一致的表示：

response.content_blocks
# [
#   {"type": "reasoning", "reasoning": "..."},
#   {"type": "web_search_call", "query": "...", "id": "..."},
#   {"type": "web_search_result", "urls": [...], "id": "..."},
#   {"type": "text", "text": "...", "annotations": [...]},
# ]

这样，开发者无需再针对不同 API 写冗余的适配代码。