跳到内容

如何设置 LangGraph 应用以进行部署

LangGraph 应用必须配置LangGraph API 配置文件才能部署到 LangGraph Cloud(或自托管)。本操作指南介绍了使用 requirements.txt 指定项目依赖项来设置 LangGraph 应用以进行部署的基本步骤。

本指南基于此仓库,您可以在此基础上进行实验,以了解更多关于如何设置 LangGraph 应用进行部署的信息。

使用 pyproject.toml 进行设置

如果您倾向于使用 poetry 进行依赖管理,请查看此操作指南,了解如何在 LangGraph Cloud 中使用 pyproject.toml

使用 Monorepo 进行设置

如果您有兴趣部署位于 Monorepo 中的图,请参阅此仓库以获取示例。

最终的仓库结构将类似这样

my-app/
├── my_agent # all project code lies within here
   ├── utils # utilities for your graph
      ├── __init__.py
      ├── tools.py # tools for your graph
      ├── nodes.py # node functions for you graph
      └── state.py # state definition of your graph
   ├── requirements.txt # package dependencies
   ├── __init__.py
   └── agent.py # code for constructing your graph
├── .env # environment variables
└── langgraph.json # configuration file for LangGraph

每个步骤之后都提供了一个示例文件目录,以展示代码如何组织。

指定依赖项

依赖项可以选择在以下文件之一中指定:pyproject.tomlsetup.pyrequirements.txt。如果没有创建这些文件,则可以在后续的LangGraph API 配置文件中指定依赖项。

下面的依赖项将包含在镜像中,您也可以在代码中使用它们,只要版本范围兼容即可。

langgraph>=0.2.56,<0.4.0
langgraph-sdk>=0.1.53
langgraph-checkpoint>=2.0.15,<3.0
langchain-core>=0.2.38,<0.4.0
langsmith>=0.1.63
orjson>=3.9.7
httpx>=0.25.0
tenacity>=8.0.0
uvicorn>=0.26.0
sse-starlette>=2.1.0,<2.2.0
uvloop>=0.18.0
httptools>=0.5.0
jsonschema-rs>=0.20.0
structlog>=23.1.0

requirements.txt 示例文件

langgraph
langchain_anthropic
tavily-python
langchain_community
langchain_openai

示例文件目录

my-app/
├── my_agent # all project code lies within here
   └── requirements.txt # package dependencies

指定环境变量

环境变量可以选择在一个文件(例如 .env)中指定。请参阅环境变量参考来配置部署所需的额外变量。

.env 示例文件

MY_ENV_VAR_1=foo
MY_ENV_VAR_2=bar
OPENAI_API_KEY=key

示例文件目录

my-app/
├── my_agent # all project code lies within here
   └── requirements.txt # package dependencies
└── .env # environment variables

定义图

实现你的图!图可以定义在一个文件或多个文件中。记下要包含在 LangGraph 应用中的每个 CompiledGraph 的变量名。稍后在创建LangGraph API 配置文件时将使用这些变量名。

agent.py 示例文件,展示了如何从您定义的其他模块导入(模块代码此处未显示,请参阅此仓库以查看其实现)

API 参考:StateGraph | END | START

# my_agent/agent.py
from typing import Literal
from typing_extensions import TypedDict

from langgraph.graph import StateGraph, END, START
from my_agent.utils.nodes import call_model, should_continue, tool_node # import nodes
from my_agent.utils.state import AgentState # import state

# Define the config
class GraphConfig(TypedDict):
    model_name: Literal["anthropic", "openai"]

workflow = StateGraph(AgentState, config_schema=GraphConfig)
workflow.add_node("agent", call_model)
workflow.add_node("action", tool_node)
workflow.add_edge(START, "agent")
workflow.add_conditional_edges(
    "agent",
    should_continue,
    {
        "continue": "action",
        "end": END,
    },
)
workflow.add_edge("action", "agent")

graph = workflow.compile()

CompiledGraph 分配给变量

LangGraph Cloud 的构建过程要求 CompiledGraph 对象必须分配给 Python 模块顶层的一个变量(或者,您可以提供一个创建图的函数)。

示例文件目录

my-app/
├── my_agent # all project code lies within here
   ├── utils # utilities for your graph
      ├── __init__.py
      ├── tools.py # tools for your graph
      ├── nodes.py # node functions for you graph
      └── state.py # state definition of your graph
   ├── requirements.txt # package dependencies
   ├── __init__.py
   └── agent.py # code for constructing your graph
└── .env # environment variables

创建 LangGraph API 配置

创建一个名为 langgraph.jsonLangGraph API 配置文件。请参阅LangGraph CLI 参考,了解配置文件 JSON 对象中每个键的详细说明。

langgraph.json 示例文件

{
  "dependencies": ["./my_agent"],
  "graphs": {
    "agent": "./my_agent/agent.py:graph"
  },
  "env": ".env"
}

请注意,CompiledGraph 的变量名出现在顶层 graphs 键下每个子键值的末尾(即 :<变量名>)。

配置文件位置

LangGraph API 配置文件必须放置在与包含已编译图和相关依赖项的 Python 文件处于同一级别或更高级别的目录中。

示例文件目录

my-app/
├── my_agent # all project code lies within here
   ├── utils # utilities for your graph
      ├── __init__.py
      ├── tools.py # tools for your graph
      ├── nodes.py # node functions for you graph
      └── state.py # state definition of your graph
   ├── requirements.txt # package dependencies
   ├── __init__.py
   └── agent.py # code for constructing your graph
├── .env # environment variables
└── langgraph.json # configuration file for LangGraph

下一步

在您设置好项目并将其放入 GitHub 仓库后,就可以部署您的应用了。

评论