Agent 面试复盘：LangGraph 底层被问穿（16 题）

面试者找了两周、面了六七家公司（非大厂）。他强调：现在 Agent 面试大多问题都围绕项目落地，挺考验实操经验；被问到没准备到的问题很正常，按真实情况回答就行。

1. 自我介绍（最新项目）
2. LangGraph 的节点如何传输数据？LangGraph 靠共享 State 数据，是怎么做到的？
3. 并行边 + 多节点操作一个 state 的结果会汇总到一个节点，state 如何汇总？
4. 使用 deepagent、langgraph、dify 完成一个问数智能体如何设计方案，三种技术有什么区别？
5. langchain 管道符是如何实现"上一个管道的输出作为下一个管道输入"的？
6. 文档不拆分的 embedding 和拆分后的 embedding 结果有什么不一样？
7. 一个文档做向量化和一个文档的一个块做向量化，产生的结果维度是否一样？
8. 讲讲 MCP？MCP 的实现方式有哪些？MCP 设计解决了什么场景？
9. 介绍一下 MCP 的协议，streamable 格式？
10. 讲一下要用一个 MCP，是如何与大模型结合，并且如何调用？
11. langgraph 如何自定义中间件，中间件如何绑定到 langgraph？
12. langgraph 如何挂载 tools，底层如何实现？langgraph 的中间件如何实现的？
13. 介绍 Python 中的 await，用法？断点打到 await 所在的一行，await 后面的代码会不会执行？
14. 长上下文压缩，你了解哪些实现思路？
15. 当工具越来越多，上下文信息杂乱，Agent 选工具容易出错，可以怎么优化？
16. 之前做过哪些 Agent 落地项目？

这是本次调研里技术深度最高的一份。LangGraph 问到了 State 传递机制、并行边汇总、中间件绑定、tools 挂载的底层实现，已经超出"会用"的层面。MCP 连问三题：实现方式 / streamable 格式 / 如何与模型结合调用。