跳到内容

如何使用 requirements.txt 设置 LangGraph 应用程序

LangGraph 应用程序必须配置 LangGraph 配置文件才能部署到 LangGraph 平台(或进行自托管)。本操作指南讨论了使用 requirements.txt 指定项目依赖项来设置 LangGraph 应用程序进行部署的基本步骤。

本教程基于此存储库,您可以尝试操作以了解更多关于如何设置 LangGraph 应用程序以进行部署的信息。

使用 pyproject.toml 进行设置

如果您更喜欢使用 Poetry 进行依赖管理,请查看此操作指南,了解如何为 LangGraph 平台使用 pyproject.toml

使用 Monorepo 进行设置

如果您有兴趣部署位于 Monorepo 中的图,请查看此存储库以获取示例。

最终的存储库结构将如下所示

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

每一步之后都会提供一个示例文件目录,以演示代码如何组织。

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。如果未创建这些文件,则可以在LangGraph 配置文件中稍后指定依赖项。

以下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>=0.3.27
langgraph-sdk>=0.1.66
langgraph-checkpoint>=2.0.23
langchain-core>=0.2.38
langsmith>=0.1.63
orjson>=3.9.7,<3.10.17
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>=24.1.0
cloudpickle>=3.0.0

示例 requirements.txt 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文件中指定(例如 .env)。请参阅环境变量参考以配置部署的其他变量。

示例 .env 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

实现您的图!图可以在单个文件或多个文件中定义。记下每个要包含在 LangGraph 应用程序中的变量名。创建LangGraph 配置文件时,这些变量名将在以后使用。

示例 agent.py 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,请参阅此存储库以查看其实现)

# 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()

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 配置文件

创建名为 langgraph.jsonLangGraph 配置文件。有关配置文件的 JSON 对象中每个键的详细解释,请参阅LangGraph 配置文件参考

示例 langgraph.json 文件

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

请注意,CompiledGraph 的变量名出现在顶级 graphs 键中每个子键值的末尾(即 :<variable_name>)。

配置文件位置

LangGraph 配置文件必须放置在与包含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置在 GitHub 存储库中之后,是时候部署您的应用程序了。