需要本地快速创建/试用 LangGraph Python…

当用户想在本地快速搭建并运行一个最小 LangGraph Python 智能体时，按官方 quickstart 实现并用其选择的模型适配。

适用场景

解决思路

1. 抓取官方 quickstart 页面（通过 Docs MCP 或 HTTP）：https://docs.langchain.com/oss/python/langgraph/quickstart，并严格按页面实现，不要凭记忆发明替代 API。
2. 实现页面展示的 calculator / math agent，使用 Graph API；除非用户明确要求，否则优先 Graph API 而不是 Functional API。
3. 跳过 IPython 图可视化。
4. 先询问用户使用哪个 provider/model，并说明 LangGraph 可搭配任意 LangChain chat model；可用提示语：“这个 agent 应使用哪个模型？传入 `provider:model` 字符串，例如 `openai:gpt-5.5`、`anthropic:claude-sonnet-5`、`google_genai:gemini-2.5-flash-lite`。如果不确定，默认用 `anthropic:claude-sonnet-5`。”
5. 文档常硬编码 Anthropic，要替换为 `init_chat_model("<MODEL>")`（或等价写法），使用用户选择的模型；如果使用 Claude Sonnet 5+，省略 `temperature` / `top_p` / `top_k`（不支持）。
6. 新建目录（例如 `langgraph-agent/`），所有工作都在该目录中进行，不要污染当前打开的项目。
7. 唯一需要的密钥是所选提供方的 API key，放在 `.env`（加入 gitignore）。除非用户要求，否则不要 LangSmith / Tavily。优先让用户自己编辑 `.env`，不要把密钥粘贴到聊天中。
8. 安装 quickstart 所需包，以及用户所选模型对应的 provider 包。
9. 运行示例（例如 “Add 3 and 4.”），展示输出，然后停止。指向 `langgraph-fundamentals` 作为下一步；若需要更高级别的 agent API，改用 LangChain `create_agent`。

适用边界 · 注意事项

• 用户不想在本地搭建，或明确要求使用 Functional API / 更高级别 LangChain `create_agent` API 时，不按本 quickstart 路径走。
• 用户要求集成 LangSmith、Tavily 等额外服务，或使用非 LangChain chat model 时，本最小化、model-agnostic 的约束不适用。
• 无法访问官方 quickstart 文档（Docs MCP 或 HTTP）时，不要凭记忆发明 API 替代，应先获取文档。