在 LangChain 中，消息（Message）是模型上下文的基本单元。它们代表了模型的输入和输出，在与LLM交互时，承载着对话状态所需的内容和元数据。
消息具有以下属性：
-
角色（Role）：标识消息类型（例如 system、user 等）
-
内容（Content）：表示消息的实际内容（如文本、图像、音频、文档等）
- 元数据（Metadata）：可选字段，例如响应信息、消息 ID、token 使用量等
消息有四种：
- 系统消息（System Message）通常描述 Agent 的基本角色。比如你是一个 SQL 分析师，等等，然后进一步描述其应执行的任务和限制的命令范围。
- 人类消息（Human Message）通常是初始请求，也可能作为必要的反馈或人为介入。
- AI 消息（AI Message）则是由模型生成的任何消息。在这里可以看到模型提供工具调用的内容。
- 工具执行后，会返回工具消息（Tool Message），其中包含工具调用的结果。
- 最后再有一个 AI 消息作为最终输出。
需要理解的一点是，这些消息不是节点之间直接传递的，而是存储在一个共享的持久“状态”（state）中。所有节点都可以访问它。
随着节点执行，输出会以消息的形式存储在 state 中。因此，模型不仅可以访问工具结果，还能看到整个历史消息记录，包括原始问题、工具调用、工具返回信息等，并基于这些进行推理，产生最终结果。最终输出是来自 Agent 的最后一个 AI 消息，同时有整个历史对话记录辅助支撑。
在 Agent 中，AI 消息中除了 LLM 返回的文本内容 content 之外，还有一个tool_calls 属性存储了要执行的工具调用信息。
随后的工具调用结果生成了工具消息，工具消息中的 tool_call_id 与 AI 消息中的工具调用一一匹配，这样 LLM 就知道如何利用工具调用的结果输出最终的 AI 消息了。