zoujindouGithub LangGraph Python 快速入门
遵循实时官方文档 —— 切勿凭记忆捏造替代 API：
https://docs.langchain.com/oss/python/langgraph/quickstart
获取该页面（通过 Docs MCP 或 HTTP）并实现其展示的内容（使用 Graph API 实现计算器 / 数学 Agent）。除非用户另有要求，否则优先选择 Graph API 路径而非 Functional API。跳过 IPython 图形可视化。
本地配置限制
在快速入门的基础上应用以下规则（以保持最小化配置并与具体模型解耦）：
询问用户要使用哪个提供商/模型。展示 LangGraph 可与任何 LangChain 聊天模型配合使用。建议的提示词：
该 Agent 应该使用哪个模型？请传入
provider:model格式的字符串 —— 例如openai:gpt-5.5、anthropic:claude-sonnet-5、google_genai:gemini-2.5-flash-lite。若不确定，默认使用：anthropic:claude-sonnet-5。文档中通常硬编码了 Anthropic —— 请根据用户的选择，替换为
init_chat_model("<MODEL>")（或等效代码）。如果使用 Claude Sonnet 5+，请省略temperature/top_p/top_k（不支持）。创建一个新目录（例如
langgraph-agent/）并在其中完成所有工作 —— 切勿污染当前打开的项目。唯一的密钥配置：在
.env中配置提供商 API 密钥（已加入 gitignore）。除非用户要求，否则无需配置 LangSmith / Tavily。建议用户自行编辑.env—— 切勿将密钥直接粘贴到聊天中。安装快速入门所需的包，以及对应模型的提供商包。
运行示例（例如“3 加 4 等于多少”），展示输出，然后结束。引导用户参考
langgraph-fundamentals了解后续进阶步骤。如果需要更高级别的 Agent API，请改用 LangChain 的create_agent。