如何使用 requirements.txt 设置 LangGraph 应用程序¶

要将 LangGraph 应用程序部署到 LangGraph 平台（或自托管），必须使用 LangGraph 配置文件进行配置。本指南讨论了使用 requirements.txt 来指定项目依赖项以进行部署的基本步骤。

本教程基于这个仓库，你可以通过它来学习如何设置你的 LangGraph 应用程序以进行部署。

使用 pyproject.toml 设置

如果你更喜欢使用 poetry 来管理依赖项，请查看这个指南了解如何使用 pyproject.toml 在 LangGraph 平台上进行设置。

使用 Monorepo 设置

如果你有兴趣部署一个位于 monorepo 内的图，请查看这个仓库，了解如何实现。

最终的仓库结构大致如下：

my-app/
├── my_agent # 所有项目代码都在这里
│   ├── utils # 图的实用工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── requirements.txt # 包依赖项
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
└── langgraph.json # LangGraph 的配置文件

在每一步之后，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¶

依赖项可以可选地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中的任何一个，则可以在 LangGraph 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：

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

示例 requirements.txt 文件：

langgraph
langchain_anthropic
tavily-python
langchain_community
langchain_openai

示例文件目录：

my-app/
├── my_agent # 所有项目代码都在此处
│   └── requirements.txt # 包依赖项

指定环境变量¶

环境变量可以可选地在一个文件中指定（例如 .env）。请参阅环境变量参考以配置部署的附加变量。

示例 .env 文件：

MY_ENV_VAR_1=foo
MY_ENV_VAR_2=bar
OPENAI_API_KEY=key

示例文件目录：

my-app/
├── my_agent # 所有项目代码都在此处
│   └── requirements.txt # 包依赖项
└── .env # 环境变量

定义图¶

实现你的图！图可以在一个文件中定义，也可以在多个文件中定义。请注意每个 CompiledStateGraph 变量的名称，这些变量将包含在 LangGraph 应用程序中。稍后在创建 LangGraph 配置文件时会使用到这些变量名。

示例 agent.py 文件，展示了如何从你定义的其他模块导入（此处未显示模块代码，请参阅此仓库查看它们的实现）：

^{API Reference: StateGraph | END | START}

# 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 # 导入节点
from my_agent.utils.state import AgentState # 导入状态

# 定义配置
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()

示例文件目录：

my-app/
├── my_agent # 所有项目代码都在这里
│   ├── utils # 图的实用工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── requirements.txt # 包依赖
│   ├── __init__.py
│   └── agent.py # 构建图的代码
└── .env # 环境变量

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。

示例 langgraph.json 文件：

{
  "dependencies": ["./my_agent"],
  "graphs": {
    "agent": "./my_agent/agent.py:graph"
  },
  "env": ".env"
}

请注意，顶级 graphs 键下每个子键的值末尾是 CompiledGraph 变量的名称（即 :<variable_name>）。

配置文件位置

LangGraph 配置文件必须放置在包含编译图和相关依赖项的 Python 文件所在目录的同级或更高层级目录中。

示例文件目录：

my-app/
├── my_agent # 所有项目代码位于此处
│   ├── utils # 图的实用工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── requirements.txt # 包依赖
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
└── langgraph.json # LangGraph 配置文件

下一步¶

在您设置好项目并将其放入 GitHub 仓库之后，是时候部署您的应用了。