AgentExecutor
LangChain 旧版中的 Agent 执行器类，负责运行 Agent 循环，在 LangChain 1.x 中已被弃用并移除
核心事实
时间轴 (近 90 天)
在 AgentExecutor 源码中，超时控制、错误处理和最大迭代次数的实现是生产环境稳定性的关键。
LangChain 的 `AgentExecutor` 把循环、解析、终止条件都显式暴露为可配置组件，控制力更强但样板代码更多。
现代 LangChain 也支持模型原生 function calling 来替代 ReAct 的文本解析，两者在 `AgentExecutor` 中走不同的输出解析器分支。
ReAct 循环、OpenAI 的 function calling 封装、LangChain 的 AgentExecutor 都属于 harness 范畴。
LangChain的AgentExecutor在复杂场景下会把ReAct循环重复多轮，直到模型判断无需再调用工具为止。
作者花两天时间尝试用 LangChain 的 AgentExecutor 让 Agent 按预期工作，虽然能运行，但无法解释 Agent 为何做出选择。
常见的开源Agent Harness实现包括LangChain的AgentExecutor、AutoGPT的主循环以及各类Coding Agent的命令执行层。
传统 AgentExecutor 的状态管理是隐式的，循环和分支难以表达，人机协同支持不足，调试困难。
相较于LangChain早期的AgentExecutor，LangGraph将控制流从框架内部黑盒变成开发者可显式定义的图结构，使中断、回滚、人机协作等模式成为可能
使用LangChain的AgentExecutor执行包含多个工具调用的任务时，即使两次运行功能上完全相同，序列化后的tool-call列表顺序也可能不同
全部知识事实 (12)
LangChain Agent支持在单次执行循环中并行调用多个工具
65%待验证LangChain的AgentExecutor与本文描述的Agent Runtime在设计上高度相似，同样封装了工具注册、消息管理和Reason-Action循环
75%待验证在 AgentExecutor 源码中，超时控制、错误处理和最大迭代次数的实现是生产环境稳定性的关键。
50%待验证现代 LangChain 也支持模型原生 function calling 来替代 ReAct 的文本解析，两者在 `AgentExecutor` 中走不同的输出解析器分支。
50%待验证LangChain 的 `AgentExecutor` 把循环、解析、终止条件都显式暴露为可配置组件，控制力更强但样板代码更多。
50%待验证ReAct 循环、OpenAI 的 function calling 封装、LangChain 的 AgentExecutor 都属于 harness 范畴。
50%待验证LangChain的AgentExecutor在复杂场景下会把ReAct循环重复多轮，直到模型判断无需再调用工具为止。
50%待验证常见的开源Agent Harness实现包括LangChain的AgentExecutor、AutoGPT的主循环以及各类Coding Agent的命令执行层。
50%待验证传统 AgentExecutor 的状态管理是隐式的，循环和分支难以表达，人机协同支持不足，调试困难。
50%待验证相较于LangChain早期的AgentExecutor，LangGraph将控制流从框架内部黑盒变成开发者可显式定义的图结构，使中断、回滚、人机协作等模式成为可能
50%待验证使用LangChain的AgentExecutor执行包含多个工具调用的任务时，即使两次运行功能上完全相同，序列化后的tool-call列表顺序也可能不同
50%待验证作者花两天时间尝试用 LangChain 的 AgentExecutor 让 Agent 按预期工作，虽然能运行，但无法解释 Agent 为何做出选择。
50%