如何使用 pyproject.toml 配置 LangGraph 应用程序¶
LangGraph 应用程序必须配置一个 LangGraph 配置文件，才能部署到 LangGraph 平台（或进行自托管）。本操作指南将讨论使用 pyproject.toml 文件定义包依赖项来配置 LangGraph 应用程序以进行部署的基本步骤。
本教程基于这个仓库，您可以实际操作一下，以了解更多关于如何配置 LangGraph 应用程序进行部署的信息。
使用 requirements.txt 进行设置
如果您倾向于使用 requirements.txt 进行依赖管理，请查阅这篇操作指南。
使用 Monorepo 进行设置
如果您有兴趣在 monorepo（单体仓库）内部署图，可以参考这个仓库，里面有如何操作的示例。
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
│ ├── __init__.py
│ └── agent.py # code for constructing your graph
├── .env # environment variables
├── langgraph.json # configuration file for LangGraph
└── pyproject.toml # dependencies for your project
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¶
依赖项可以任选在以下文件之一中指定：pyproject.toml、setup.py 或 requirements.txt。如果这些文件都未创建，那么依赖项可以在稍后于 LangGraph 配置文件中指定。
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
pyproject.toml 文件示例
[build-system]
requires = ["hatchling"]
build-backend = "hatchling.build"
[project]
name = "my-agent"
version = "0.0.1"
description = "An excellent agent build for LangGraph Platform."
authors = [
{name = "Polly the parrot", email = "1223+polly@users.noreply.github.com"}
]
license = {text = "MIT"}
readme = "README.md"
requires-python = ">=3.9"
dependencies = [
"langgraph>=0.2.0",
"langchain-fireworks>=0.1.3"
]
[tool.hatch.build.targets.wheel]
packages = ["my_agent"]
示例文件目录
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
示例文件目录
定义图¶
实现您的图！图可以定义在单个文件或多个文件中。请记下要包含在 LangGraph 应用程序中的每个图的变量名。这些变量名稍后在创建 LangGraph 配置文件时会用到。
示例 agent.py 文件，展示了如何从您定义的其他模块导入（这里未显示模块代码，请参阅这个仓库查看其实现）
# 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 runtime context
class GraphContext(TypedDict):
model_name: Literal["anthropic", "openai"]
workflow = StateGraph(AgentState, context_schema=GraphContext)
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
│ ├── __init__.py
│ └── agent.py # code for constructing your graph
├── .env
└── pyproject.toml
创建 LangGraph 配置文件¶
创建一个名为 langgraph.json 的 LangGraph 配置文件。有关配置文件 JSON 对象中每个键的详细说明，请参阅 LangGraph 配置文件参考。
langgraph.json 文件示例
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已编译图及其相关依赖项的 Python 文件相同或更高层级的目录中。
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
│ ├── __init__.py
│ └── agent.py # code for constructing your graph
├── .env # environment variables
├── langgraph.json # configuration file for LangGraph
└── pyproject.toml # dependencies for your project
下一步¶
设置好项目并将其放置在 GitHub 存储库中后，是时候部署您的应用程序了。