快速入门:启动本地 LangGraph 服务器¶
这是一个快速入门指南,帮助您在本地启动并运行 LangGraph 应用。
安装 LangGraph CLI¶
$ npx @langchain/langgraph-cli@latest
# Or install globally, will be available as `langgraphjs`
$ npm install -g @langchain/langgraph-cli
🌱 创建 LangGraph 应用¶
创建一个新应用并按照说明操作,选择 ReAct Agent
作为模板。此模板是一个简单的代理,可以灵活地扩展到许多工具。
安装依赖¶
在您的新 LangGraph 应用的根目录中,以 edit
模式安装依赖,以便服务器使用您的本地更改。
创建 .env
文件¶
您将在新 LangGraph 应用的根目录下找到一个 .env.example
文件。在新 LangGraph 应用的根目录下创建一个 .env
文件,并将 .env.example
文件的内容复制到其中,填入所需的 API 密钥。
获取 API 密钥
- LANGSMITH_API_KEY:访问LangSmith 设置页面。然后点击创建 API 密钥。
- ANTHROPIC_API_KEY:从Anthropic获取 API 密钥。
- OPENAI_API_KEY:从OpenAI获取 API 密钥。
- TAVILY_API_KEY:在Tavily 网站获取 API 密钥。
🚀 启动 LangGraph 服务器¶
这将启动本地 LangGraph API 服务器。如果成功运行,您应该会看到类似以下内容:
- 🚀 API: https://:2024
- 🎨 Studio UI: https://smith.langchain.com/studio?baseUrl=https://:2024
内存模式
langgraphjs dev
命令以内存模式启动 LangGraph 服务器。此模式适用于开发和测试目的。对于生产使用,您应该部署 LangGraph Cloud 并访问持久存储后端。
如果您想使用持久存储后端测试您的应用程序,您可以使用 langgraphjs up
命令而不是 langgraphjs dev
。您需要在计算机上安装 docker
才能使用此命令。
LangGraph Studio Web UI¶
LangGraph Studio Web 是一个专门的 UI,您可以将其连接到 LangGraph API 服务器,以在本地实现应用程序的可视化、交互和调试。通过访问 langgraph dev
命令输出中提供的 URL,在 LangGraph Studio Web UI 中测试您的图。
- LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=https://:2024
连接到自定义主机/端口的服务器
如果您正在使用自定义主机/端口运行 LangGraph API 服务器,您可以通过更改 baseUrl
URL 参数将 Studio Web UI 指向它。例如,如果您在端口 8000 上运行服务器,您可以将上述 URL 更改为以下内容:
Safari 兼容性
目前,LangGraph Studio Web 在本地运行服务器时不支持 Safari。
测试 API¶
安装 LangGraph Python SDK
向助手发送消息(无线程运行)
from langgraph_sdk import get_client
client = get_client(url="https://:2024")
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
向助手发送消息(无线程运行)
from langgraph_sdk import get_sync_client
client = get_sync_client(url="https://:2024")
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
向助手发送消息(无线程运行)
const { Client } = await import("@langchain/langgraph-sdk");
// only set the apiUrl if you changed the default port when calling langgraph dev
const client = new Client({ apiUrl: "https://:2024"});
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");
}
认证
如果您正在连接到远程服务器,您将需要提供 LangSmith API 密钥进行授权。有关客户端的更多信息,请参阅 API 参考。
下一步¶
现在您已经在本地运行了 LangGraph 应用,通过探索部署和高级功能来进一步您的旅程
🌐 部署到 LangGraph Cloud¶
- LangGraph Cloud 快速入门:使用 LangGraph Cloud 部署您的 LangGraph 应用。
📚 了解更多关于 LangGraph 平台¶
通过这些资源扩展您的知识
- LangGraph 平台概念:了解 LangGraph 平台的基础概念。
- LangGraph 平台操作指南:发现构建和部署应用程序的分步指南。
🛠️ 开发者参考¶
访问开发和 API 使用的详细文档
- LangGraph 服务器 API 参考:浏览 LangGraph 服务器 API 文档。
- Python SDK 参考:浏览 Python SDK API 参考。
- JS/TS SDK 参考:浏览 JS/TS SDK API 参考。