快速入门：部署到 LangGraph Cloud¶

先决条件

在开始之前，请确保您拥有以下内容

在 GitHub 上创建仓库¶

要将 LangGraph 应用程序部署到 LangGraph Cloud，您的应用程序代码必须位于 GitHub 仓库中。公共和私有仓库均受支持。

您可以将任何 LangGraph 应用程序部署到 LangGraph Cloud。

在本指南中，我们将使用预构建的 Python ReAct Agent 模板。

获取 ReAct Agent 模板所需的 API 密钥

此 ReAct Agent 应用程序需要来自 Anthropic 和 Tavily 的 API 密钥。您可以通过在其各自的网站上注册来获取这些 API 密钥。

替代方案：如果您更喜欢不需要 API 密钥的脚手架应用程序，请使用 New LangGraph Project 模板，而不是 ReAct Agent 模板。

转到 ReAct Agent 仓库。
通过单击右上角的 Fork 按钮，将仓库 Fork 到您的 GitHub 账户。

部署到 LangGraph Cloud¶

1. 登录到 LangSmith

Login to LangSmith — 转到 LangSmith 并登录。如果您没有帐户，可以免费注册。

2. 点击LangGraph Platform（左侧边栏）

3. 点击 + New Deployment（右上角）

4. 点击 Import from GitHub（首次用户）

单击 **Import from GitHub** 并按照说明连接您的 GitHub 帐户。首次用户或添加以前未连接的私有仓库需要执行此步骤。

5. 选择仓库，配置 ENV 变量等

仓库：选择您之前 Fork 的仓库（或您要部署的任何其他仓库）。
设置您的应用程序所需的密钥和环境变量。对于 ReAct Agent 模板，您需要设置以下密钥
- ANTHROPIC_API_KEY：从 Anthropic 获取 API 密钥。
- TAVILY_API_KEY：在 Tavily 网站上获取 API 密钥。

6. 点击 Submit to Deploy!

请注意，此步骤可能需要约 15 分钟才能完成。您可以在**Deployments**视图中查看部署状态。单击右上角的 **Submit** 按钮以部署您的应用程序。

LangGraph Studio Web UI¶

部署应用程序后，您可以在 LangGraph Studio 中对其进行测试。

1. 点击现有部署

2. 点击 LangGraph Studio

单击 **LangGraph Studio** 按钮以打开 LangGraph Studio。

测试 API¶

注意

以下 API 调用适用于 ReAct Agent 模板。如果您要部署不同的应用程序，则可能需要相应地调整 API 调用。

使用前，您需要获取 LangGraph 部署的 URL。您可以在 Deployment 视图中找到它。单击 URL 将其复制到剪贴板。

您还需要确保已正确设置 API 密钥，以便可以使用 LangGraph Cloud 进行身份验证。

export LANGSMITH_API_KEY=...

Python SDK（异步）Python SDK（同步）Javascript SDKRest API

安装 LangGraph Python SDK

pip install langgraph-sdk

向助手发送消息（无线程运行）

from langgraph_sdk import get_client

client = get_client(url="your-deployment-url", api_key="your-langsmith-api-key")

async for chunk in client.runs.stream(
    None,  # Threadless run
    "agent", # Name of assistant. Defined in langgraph.json.
    input={
        "messages": [{
            "role": "human",
            "content": "What is LangGraph?",
        }],
    },
    stream_mode="updates",
):
    print(f"Receiving new event of type: {chunk.event}...")
    print(chunk.data)
    print("\n\n")

安装 LangGraph Python SDK

pip install langgraph-sdk

向助手发送消息（无线程运行）

from langgraph_sdk import get_sync_client

client = get_sync_client(url="your-deployment-url", api_key="your-langsmith-api-key")

for chunk in client.runs.stream(
    None,  # Threadless run
    "agent", # Name of assistant. Defined in langgraph.json.
    input={
        "messages": [{
            "role": "human",
            "content": "What is LangGraph?",
        }],
    },
    stream_mode="updates",
):
    print(f"Receiving new event of type: {chunk.event}...")
    print(chunk.data)
    print("\n\n")

安装 LangGraph JS SDK

npm install @langchain/langgraph-sdk

向助手发送消息（无线程运行）

const { Client } = await import("@langchain/langgraph-sdk");

const client = new Client({ apiUrl: "your-deployment-url", apiKey: "your-langsmith-api-key" });

const streamResponse = client.runs.stream(
    null, // Threadless run
    "agent", // Assistant ID
    {
        input: {
            "messages": [
                { "role": "user", "content": "What is LangGraph?"}
            ]
        },
        streamMode: "messages",
    }
);

for await (const chunk of streamResponse) {
    console.log(`Receiving new event of type: ${chunk.event}...`);
    console.log(JSON.stringify(chunk.data));
    console.log("\n\n");
}

curl -s --request POST \
    --url <DEPLOYMENT_URL> \
    --header 'Content-Type: application/json' \
    --data "{
        \"assistant_id\": \"agent\",
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"What is LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"updates\"
    }"

下一步¶

恭喜！如果您已完成本教程，那么您将很快成为 LangGraph Cloud 专家。以下是一些其他资源，可帮助您走上专业之路

LangGraph Framework¶

LangGraph 教程：开始使用 LangGraph 框架。
LangGraph 概念：了解 LangGraph 的基础概念。
LangGraph 操作指南：LangGraph 常用任务指南。

📚 了解更多关于 LangGraph Platform 的信息¶

通过以下资源扩展您的知识

LangGraph Platform 概念：了解 LangGraph Platform 的基础概念。
LangGraph Platform 操作指南：探索构建和部署应用程序的分步指南。
启动本地 LangGraph 服务器：本快速入门指南展示了如何为 ReAct Agent 模板在本地启动 LangGraph 服务器。其他模板的步骤类似。