LangChain Core 1.7.6 改善串流工具呼叫累積，減少大型參數重複解析

LangChain 於 11 月 5 日發布 langchain-core 1.7.6，納入串流訊息累積的效能修補。對讓模型產生長篇檔案內容、再透過工具寫入的代理而言，這項變更處理了框架端可能隨輸出增長而加劇的解析成本。GitHub 發行紀錄列出相關修補，PyPI 也已提供該版本套件。發行紀錄、PyPI 套件

問題出在 AIMessageChunk 的相加行為：每次合併，都會重新解析目前收到的工具呼叫參數。Runnable 串流若逐塊加入累積結果，就反覆處理越來越長的內容，使大型工具參數的累積成本呈平方級增長。維護者以 91 KB 參數、每塊 20 字元測試 chain.stream()，公布的耗時由 17.35 秒降至 0.07 秒；這是特定重現案例，不能直接視為完整代理任務的加速比例。修補與測試說明

新版先暫存開頭連續的模型訊息區塊，待讀取總結果時一次合併，減少重複解析。涵蓋範圍包括串流追蹤、預設同步與非同步轉換，以及 RunnableLambda 的輸入和輸出累積。這使工程團隊在分析長工具呼叫延遲時，多了一個可檢查的框架因素；若瓶頸確實位於訊息累積，升級才可能帶來明顯收益。實作範圍

部署前仍須核對實際使用路徑。自行以 acc += chunk 累積訊息、包在字典內的巢狀訊息，以及 astream_log 等路徑並未一併改善。團隊可用既有長參數案例比較升級前後的 CPU 耗時與完成延遲，並確認工具參數及追蹤結果一致。官方文件提供多種串流模式，但不能據此假定每種模式都受惠；後續應關注其餘累積器是否補上相同優化。已知限制、串流文件