LangChain Agent存储Intermediate Steps至内存遇Pydantic类型错误求助

问题核心是intermediate_steps返回的是包含工具调用与响应的列表结构，而ConversationBufferMemory默认会将其直接赋值给AIMessage的content字段，但该字段要求必须是字符串类型。以下是无需修改LangChain源码的解决办法：

方法1：自定义对话内存类，自动序列化intermediate_steps #

继承ConversationBufferMemory并重写save_context方法，将intermediate_steps序列化为JSON字符串后再存入内存：

import json
from langchain.memory import ConversationBufferMemory

class CustomConversationBufferMemory(ConversationBufferMemory):
    def save_context(self, inputs: dict, outputs: dict) -> None:
        # 检查outputs中是否包含intermediate_steps
        if "intermediate_steps" in outputs:
            # 将intermediate_steps序列化为JSON字符串
            outputs["intermediate_steps"] = json.dumps(outputs["intermediate_steps"])
        # 调用父类的save_context完成后续存储
        super().save_context(inputs, outputs)

用这个自定义类初始化内存：

memory = CustomConversationBufferMemory(output_key="intermediate_steps", return_messages=True)

方法2：手动处理Agent结果后存入内存 #

如果不想自定义内存类，可以在Agent运行后，手动将intermediate_steps转为字符串，再调用内存的save_context方法：

# 运行Agent获取结果
result = agent1({"input": "你的用户请求"})

# 将intermediate_steps转为JSON字符串
intermediate_str = json.dumps(result["intermediate_steps"])

# 手动保存到内存
memory.save_context(
    inputs={"input": result["input"]},
    outputs={"intermediate_steps": intermediate_str}
)

说明 #

• 方法1更自动化，适合需要Agent自动管理内存的场景，后续从内存中读取时，可通过json.loads()将字符串还原为原结构。
• 方法2需要手动干预结果存储，适合对内存存储逻辑有更灵活控制的场景。

内容的提问来源于stack exchange，提问作者user18148705