快速入门：在 LangGraph Cloud 上部署¶

前提条件

在开始之前，请确保您拥有以下各项

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。支持公共和私有仓库。

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

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

获取 ReAct Agent 模板所需的 API Key

这个 ReAct Agent 应用程序需要来自 Anthropic 和 Tavily 的 API key。您可以在各自网站上注册获取这些 API key。

替代方案：如果您更喜欢不需要 API key 的支架应用程序，请使用 New LangGraph Project 模板，而不是 ReAct Agent 模板。

转到 ReAct Agent 仓库。
点击右上角的 Fork 按钮，将仓库 Fork 到您的 GitHub 账号。

部署到 LangGraph Cloud¶

1. 登录 LangSmith

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

2. 点击 LangGraph Platform（左侧边栏）

3. 点击 + 新建部署（右上角）

4. 点击从 GitHub 导入（首次用户）

点击 **Import from GitHub** 并按照说明连接您的 GitHub 账号。此步骤适用于**首次用户**或添加之前未连接的私有仓库。

5. 选择仓库，配置环境变量等

仓库：选择您之前 Fork 的仓库（或您想要部署的任何其他仓库）。
设置应用程序所需的秘密和环境变量。对于 ReAct Agent 模板，您需要设置以下秘密：
- ANTHROPIC_API_KEY：从 Anthropic 获取 API key。
- TAVILY_API_KEY：在 Tavily 网站上获取 API key。

6. 点击提交以部署！

请注意，此步骤可能需要约 15 分钟才能完成。您可以在部署视图中检查部署状态。点击右上角的提交按钮以部署您的应用程序。

LangGraph Studio Web UI¶

应用程序部署后，您可以在 LangGraph Studio 中测试它。

1. 点击现有部署

2. 点击 LangGraph Studio

点击 **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。如果您正在部署不同的应用程序，可能需要相应调整 API 调用。

使用前，您需要获取 LangGraph 部署的 URL。您可以在 部署 视图中找到此信息。点击 URL 可将其复制到剪贴板。

您还需要确保已正确设置 API key，以便使用 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，那么您正走在成为 LangGraph Cloud 专家的路上。这里有一些其他资源可供参考，帮助您走向专业之路。

LangGraph 框架¶

LangGraph 教程：LangGraph 框架入门。
LangGraph 概念：学习 LangGraph 的基础概念。
LangGraph 操作指南：LangGraph 常见任务指南。

📚 了解更多关于 LangGraph Platform 的信息¶

利用这些资源扩展您的知识

LangGraph Platform 概念：了解 LangGraph Platform 的基础概念。
LangGraph Platform 操作指南：发现构建和部署应用程序的分步指南。
启动本地 LangGraph Server：此快速入门指南展示了如何针对 ReAct Agent 模板本地启动 LangGraph Server。其他模板的步骤类似。