LangChain Messages API
所有消息类型
| 类型 | role | type | 关键属性 | 说明 |
|---|---|---|---|---|
| HumanMessage | user | human | content | 用户消息 |
| AIMessage | assistant | ai | content, tool_calls, usage_metadata | AI 回复 |
| AIMessageChunk | assistant | ai | content（增量） | 流式输出的 Token 片段 |
| SystemMessage | system | system | content | 系统指令 |
| ToolMessage | tool | tool | content, tool_call_id, name | 工具执行结果 |
| RemoveMessage | - | remove | id | 删除指定消息 |
ContentBlock 类型（多模态内容）
| 类型 | 说明 | 使用场景 |
|---|---|---|
| PlainTextContentBlock | 纯文本 | 普通文字 |
| ImageContentBlock | 图片（base64 或 URL） | 多模态模型的图片输入 |
| AudioContentBlock | 音频 | 语音输入 |
| VideoContentBlock | 视频 | 视频输入 |
| FileContentBlock | 文件 | 文档输入 |
| ToolCall | 工具调用请求 | 模型请求调用工具 |
| ServerToolCall | 服务端工具调用 | 内置/MCP 工具调用 |
常用辅助函数
| 函数 | 说明 | 签名 |
|---|---|---|
| trim_messages() | 裁剪消息历史以适应上下文窗口 | trim_messages(messages, *, max_tokens, strategy, token_counter, include_system, start_on) |
常用用法示例
实例
from langchain.messages import (
HumanMessage, AIMessage, SystemMessage, ToolMessage, trim_messages
)
# 创建消息
human = HumanMessage(content="你好")
system = SystemMessage(content="你是助手")
ai = AIMessage(content="你好！有什么可以帮你的？")
tool = ToolMessage(content="结果", tool_call_id="call_1", name="my_tool")
# 快捷方式
msg1 = ("user", "你好") # 元组
msg2 = {"role": "user", "content": "你好"} # 字典
# 消息属性
print(human.type) # human
print(human.content) # 你好
print(ai.tool_calls) # [] 或 [ToolCall]
# 裁剪消息
trimmed = trim_messages(
messages, max_tokens=1000, strategy="last",
token_counter=model, include_system=True,
)
HumanMessage, AIMessage, SystemMessage, ToolMessage, trim_messages
)
# 创建消息
human = HumanMessage(content="你好")
system = SystemMessage(content="你是助手")
ai = AIMessage(content="你好！有什么可以帮你的？")
tool = ToolMessage(content="结果", tool_call_id="call_1", name="my_tool")
# 快捷方式
msg1 = ("user", "你好") # 元组
msg2 = {"role": "user", "content": "你好"} # 字典
# 消息属性
print(human.type) # human
print(human.content) # 你好
print(ai.tool_calls) # [] 或 [ToolCall]
# 裁剪消息
trimmed = trim_messages(
messages, max_tokens=1000, strategy="last",
token_counter=model, include_system=True,
)