如何设置 LangGraph 应用程序以进行部署¶
LangGraph 应用程序必须配置 LangGraph API 配置文件才能部署到 LangGraph Cloud（或进行自托管）。本操作指南讨论了使用 pyproject.toml 定义软件包依赖项来设置 LangGraph 应用程序以进行部署的基本步骤。
本演练基于 此存储库，您可以试用该存储库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 requirements.txt 设置
如果您更喜欢使用 requirements.txt 进行依赖项管理，请查看 本操作指南。
使用 Monorepo 设置
如果您有兴趣部署位于 monorepo 内的图，请查看 此 存储库，其中包含如何执行此操作的示例。
最终的仓库结构将如下所示
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
在每个步骤之后，都会提供一个示例文件目录，以演示如何组织代码。
指定依赖项¶
依赖项可以选择在以下文件之一中指定：pyproject.toml、setup.py 或 requirements.txt。如果未创建这些文件，则可以在 LangGraph API 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>=0.2.56,<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
pyproject.toml 文件示例
[tool.poetry]
name = "my-agent"
version = "0.0.1"
description = "An excellent agent build for LangGraph cloud."
authors = ["Polly the parrot <1223+polly@users.noreply.github.com>"]
license = "MIT"
readme = "README.md"
[tool.poetry.dependencies]
python = ">=3.9.0,<3.13"
langgraph = "^0.2.0"
langchain-fireworks = "^0.1.3"
[build-system]
requires = ["poetry-core"]
build-backend = "poetry.core.masonry.api"
文件目录示例
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，以配置部署的附加变量。
.env 文件示例
文件目录示例
定义图¶
实现您的图！图可以在单个文件或多个文件中定义。记下每个图的变量名称，以便包含在 LangGraph 应用程序中。变量名称将在稍后创建 LangGraph API 配置文件时使用。
agent.py 文件示例，展示了如何从您定义的其他模块导入（此处未显示模块的代码，请参阅 此仓库 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()
将 CompiledGraph 分配给变量
LangGraph Cloud 的构建过程要求将 CompiledGraph 对象分配给 Python 模块顶层的变量。
文件目录示例
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 API 配置¶
创建一个名为 langgraph.json 的 LangGraph API 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 CLI 参考。
langgraph.json 文件示例
请注意，CompiledGraph 的变量名称出现在顶级 graphs 键中每个子键的值的末尾（即 :<variable_name>）。
配置位置
LangGraph API 配置文件必须放置在目录中，该目录与包含编译图和相关依赖项的 Python 文件位于同一级别或更高级别。
文件目录示例
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¶
在您设置项目并将其放置在 github 仓库中之后，就该 部署您的应用程序 了。