Artículos / LLMs & Agents
Aprobación humana con LangGraph: pausa y reanudación en Python
Pausa un flujo de LangGraph para pedir aprobación humana en Python. Reanuda por ID de hilo, valida la decisión y conserva el original si se rechaza el cambio.

Un agente de catálogo propone cambiar «Vaso térmico de acero» por «Vaso térmico de acero inoxidable de 350 ml». Quien revisa el cambio necesita ver ambas versiones antes de decidir. Si abre la solicitud horas después, el flujo debe conservar la propuesta y la descripción original. Un rechazo debe dejar intacto el texto original.
El agente de análisis de datos con LangGraph llama a herramientas como parte de su ciclo de razonamiento. Aquí, la revisión empieza después de que el agente propone una acción. En LangGraph, interrupt() devuelve el control al código que ejecutó el grafo y le entrega los datos de la revisión. Un checkpointer guarda el estado del grafo. La siguiente llamada usa Command(resume=...) con el mismo ID de hilo para entregar la decisión.
Pausar el flujo con la propuesta exacta
Usa Python 3.11 en un entorno virtual. El ejemplo se probó con LangGraph 1.2.20 y Pydantic 2.14.3. Recibe una propuesta fija y solo actualiza el estado del grafo, así que puedes ejecutarlo sin un modelo, una clave de API o una conexión al catálogo.
python -m pip install "langgraph==1.2.20" "pydantic==2.14.3"
El estado conserva el borrador y la descripción actual en campos separados. El nodo de revisión prepara los datos que mostrará al revisor a partir de ese estado. El esquema de respuesta exige un campo booleano llamado approved. Python evalúa cualquier cadena no vacía como verdadera, incluso "false", y el tipo bool de Pydantic permite convertir algunos valores. StrictBool exige un booleano real. Esquemas de respuesta en LangGraph · Tipos estrictos en Pydantic
from typing import Literal, TypedDict
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import END, START, StateGraph
from langgraph.types import Command, interrupt
from pydantic import BaseModel, StrictBool
class CatalogEdit(TypedDict):
product_id: str
description: str
draft: str
status: Literal["pending", "approved", "rejected"]
class Decision(BaseModel):
approved: StrictBool
def review(state: CatalogEdit):
decision = interrupt(
{
"product_id": state["product_id"],
"current": state["description"],
"draft": state["draft"],
},
response_schema=Decision,
)
if decision.approved:
return {"status": "approved", "description": state["draft"]}
return {"status": "rejected"}
graph = (
StateGraph(CatalogEdit)
.add_node("review", review)
.add_edge(START, "review")
.add_edge("review", END)
.compile(checkpointer=InMemorySaver())
)
Reanudar el mismo hilo
Copia los dos bloques de Python en approval.py y ejecuta python approval.py. Con la API síncrona invoke(), la primera llamada devuelve la interrupción en __interrupt__. Una interfaz de revisión podría mostrar su campo value y enviar true o false sin comillas en JSON. La segunda llamada pasa directamente True de Python.
if __name__ == "__main__":
config = {"configurable": {"thread_id": "catalog-review-1"}}
paused = graph.invoke(
{
"product_id": "mug-42",
"description": "Vaso térmico de acero",
"draft": "Vaso térmico de acero inoxidable de 350 ml",
"status": "pending",
},
config=config,
)
print(paused["__interrupt__"][0].value)
result = graph.invoke(Command(resume={"approved": True}), config=config)
print(result["status"], result["description"])
La última línea muestra approved Vaso térmico de acero inoxidable de 350 ml. Cambia True por False y ejecuta el script de nuevo. Verás rejected Vaso térmico de acero. El rechazo solo actualiza el estado de revisión. El grafo conserva la descripción original y el borrador.
| Qué recibe el flujo | Qué ocurre |
|---|---|
{"approved": True} | El borrador pasa a ser la descripción en el estado del grafo. |
{"approved": False} | La revisión termina y se conserva la descripción original. |
{"approved": "false"} | Pydantic lanza ValidationError. El código que invocó el grafo puede reenviar un booleano en el mismo hilo. |
| El ID de otro hilo pendiente | La decisión se aplica a la propuesta de ese hilo. La solicitud original sigue pendiente. |
| El proceso termina durante la espera | Se pierde el checkpoint en memoria. |
Asigna un ID de hilo a cada revisión independiente. En un servicio, autentica al revisor, comprueba su permiso para esa propuesta y vincula la decisión a la versión exacta del cambio que vio. Si cambia el borrador o la versión original en la que se basa, vuelve a pedir aprobación.
Qué se vuelve a ejecutar al reanudar
Al reanudar, LangGraph vuelve al comienzo del nodo interrumpido. Cuando llega a interrupt(), la llamada devuelve la decisión recibida. Antes de la pausa, este nodo solo construye un diccionario, así que repetir ese trabajo no altera la propuesta. Si un agente genera el borrador o envía un aviso de revisión en esa parte del nodo, podría generar otro borrador o enviar el aviso dos veces. Guarda el borrador en un nodo anterior y usa la propuesta guardada para preparar la revisión. Reglas de las interrupciones en LangGraph
Si vuelves a ejecutar el grafo desde un checkpoint anterior a la revisión, LangGraph ejecuta de nuevo el nodo de revisión y pide otra decisión. Reejecución desde checkpoints en LangGraph
InMemorySaver basta para dos llamadas en el mismo proceso que comparten el mismo checkpointer. Para reanudar tras un reinicio, usa un checkpointer persistente, como SQLite en un archivo para una aplicación local o PostgreSQL para un servicio. Reanuda con el mismo almacenamiento e ID de hilo. Si añades una escritura al catálogo, esta y el checkpoint del grafo pueden fallar de forma independiente. Usa un ID de operación estable que el sistema de destino pueda deduplicar y comprueba la versión de partida al escribir. Si el proceso falla justo después de que el catálogo acepte el cambio, podría volver a intentarlo. Checkpointers de LangGraph · Reintentos e idempotencia
Puedes enviar las escrituras al flujo de revisión con enrutamiento de intenciones tipado. El agente puede consultar el catálogo mediante un servidor MCP de solo lectura y usar los datos para preparar el borrador.
¿Vas a construir una plataforma de IA o de datos?
Si necesitas adaptar este enfoque a tu sistema, cuéntame qué datos tienes y qué decisión técnica necesitas resolver.