跳到内容

如何在 LangSmith 中为图运行传递自定义运行 ID 或设置标签和元数据

先决条件

本指南假设您熟悉以下内容

在 IDE 或终端中调试图运行有时可能很困难。LangSmith 允许你使用跟踪数据来调试、测试和监控使用 LangGraph 构建的 LLM 应用——阅读LangSmith 文档 以获取更多入门信息。

为了更容易识别和分析在图调用期间生成的跟踪，可以在运行时设置额外的配置（参见 RunnableConfig）

字段 类型 描述
run_name str 此调用的跟踪器运行的名称。默认为类名。
run_id UUID 此调用的跟踪器运行的唯一标识符。如果未提供，将生成新的 UUID。
tags List[str] 此调用及任何子调用（例如，一个 Chain 调用一个 LLM）的标签。可以使用这些标签来过滤调用。
metadata Dict[str, Any] 此调用及任何子调用（例如，一个 Chain 调用一个 LLM）的元数据。键应为字符串，值应为 JSON 可序列化。

LangGraph 图实现了 LangChain Runnable Interface 并接受第二个参数（RunnableConfig）在诸如 invoke、ainvoke、stream 等方法中。

LangSmith 平台将允许您根据 run_name、run_id、tags 和 metadata 搜索和过滤跟踪。

TLDR

import uuid
# Generate a random UUID -- it must be a UUID
config = {"run_id": uuid.uuid4()}, "tags": ["my_tag1"], "metadata": {"a": 5}}
# Works with all standard Runnable methods 
# like invoke, batch, ainvoke, astream_events etc
graph.stream(inputs, config, stream_mode="values")

本操作指南的其余部分将展示一个完整的 Agent。

设置

首先，让我们安装所需的包并设置 API 密钥

pip install --quiet -U langgraph langchain_openai

import getpass
import os


def _set_env(var: str):
    if not os.environ.get(var):
        os.environ[var] = getpass.getpass(f"{var}: ")


_set_env("OPENAI_API_KEY")
_set_env("LANGSMITH_API_KEY")

设置 LangSmith 以用于 LangGraph 开发

注册 LangSmith 以快速发现问题并改进 LangGraph 项目的性能。LangSmith 允许您使用跟踪数据来调试、测试和监控使用 LangGraph 构建的 LLM 应用——在此阅读更多入门信息。

定义图

对于此示例，我们将使用 预构建的 ReAct Agent。

API 参考：ChatOpenAI | create_react_agent | tool

from langchain_openai import ChatOpenAI
from typing import Literal
from langgraph.prebuilt import create_react_agent
from langchain_core.tools import tool

# First we initialize the model we want to use.
model = ChatOpenAI(model="gpt-4o", temperature=0)


# For this tutorial we will use custom tool that returns pre-defined values for weather in two cities (NYC & SF)
@tool
def get_weather(city: Literal["nyc", "sf"]):
    """Use this to get weather information."""
    if city == "nyc":
        return "It might be cloudy in nyc"
    elif city == "sf":
        return "It's always sunny in sf"
    else:
        raise AssertionError("Unknown city")


tools = [get_weather]


# Define the graph
graph = create_react_agent(model, tools=tools)

运行你的图

定义了图之后，我们来运行一次并在 LangSmith 中查看跟踪。为了让跟踪在 LangSmith 中更容易访问，我们将在配置中传入一个自定义的 run_id。

这假设您已经设置了 LANGSMITH_API_KEY 环境变量。

请注意，您还可以通过设置 LANGCHAIN_PROJECT 环境变量来配置要跟踪到的项目，默认情况下运行将被跟踪到 default 项目。

import uuid


def print_stream(stream):
    for s in stream:
        message = s["messages"][-1]
        if isinstance(message, tuple):
            print(message)
        else:
            message.pretty_print()


inputs = {"messages": [("user", "what is the weather in sf")]}

config = {"run_name": "agent_007", "tags": ["cats are awesome"]}

print_stream(graph.stream(inputs, config, stream_mode="values"))

================================ Human Message =================================

what is the weather in sf
================================== Ai Message ==================================
Tool Calls:
  get_weather (call_9ZudXyMAdlUjptq9oMGtQo8o)
 Call ID: call_9ZudXyMAdlUjptq9oMGtQo8o
  Args:
    city: sf
================================= Tool Message =================================
Name: get_weather

It's always sunny in sf
================================== Ai Message ==================================

The weather in San Francisco is currently sunny.

在 LangSmith 中查看跟踪

运行图之后，我们前往 LangSmith 查看跟踪。首先，点击进入您进行跟踪的项目（在我们的示例中是 default 项目）。您应该会看到一个运行，其自定义运行名称为 "agent_007"。

image.png

此外，您还可以使用提供的标签或元数据过滤跟踪。例如，

image.png

评论