如何为部署配置 LangGraph 应用程序¶

为了将 LangGraph 应用程序部署到 LangGraph Cloud（或自托管），必须使用 LangGraph API 配置文件进行配置。本指南将介绍使用 pyproject.toml 定义项目依赖项的基本步骤，以设置 LangGraph 应用程序以进行部署。

此演练基于此仓库，你可以通过它来学习如何为部署设置 LangGraph 应用程序。

使用 requirements.txt 进行设置

如果你更喜欢使用 requirements.txt 进行依赖管理，请参阅此指南。

使用 Monorepo 进行设置

如果你有兴趣部署位于单个仓库中的图，请查看此仓库以了解如何操作。

最终的仓库结构将类似于以下内容：

my-app/
├── my_agent # 所有项目代码都位于此
│   ├── utils # 图的工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
├── langgraph.json  # LangGraph 的配置文件
└── pyproject.toml # 项目的依赖项

每一步之后，都会提供一个示例文件目录，以展示代码如何组织。

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。如果这些文件中没有一个被创建，则可以在稍后的LangGraph API 配置文件中指定依赖项。

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,<0.3.0
langgraph-checkpoint>=2.0.5,<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
uvloop>=0.18.0
httptools>=0.5.0
jsonschema-rs>=0.16.3
croniter>=1.0.1
structlog>=23.1.0
redis>=5.0.0,<6.0.0

示例 pyproject.toml 文件：

[tool.poetry]
name = "my-agent"
version = "0.0.1"
description = "一个用于 LangGraph 云的优秀代理构建。"
authors = ["鹦鹉波莉 <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"

示例文件目录：

my-app/
└── pyproject.toml   # 您的图所需的 Python 包

指定环境变量¶

环境变量可以可选地在文件中指定（例如 .env）。请参阅环境变量参考以配置部署时的其他变量。

示例 .env 文件：

MY_ENV_VAR_1=foo
MY_ENV_VAR_2=bar
FIREWORKS_API_KEY=key

示例文件目录：

my-app/
├── .env             # 包含环境变量的文件
└── pyproject.toml

定义图¶

实现您的图！图可以在一个文件中定义，也可以在多个文件中定义。请注意每个编译图的变量名称，这些变量名称将在创建LangGraph API配置文件时使用。

示例agent.py文件，展示了如何从您定义的其他模块中导入（模块代码未在此显示，请参见此仓库查看其实现）：

# 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 # 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()

API Reference: StateGraph | END | START

将CompiledGraph分配给变量

LangGraph Cloud的构建过程要求CompiledGraph对象在Python模块的顶层被分配给一个变量。

示例文件目录：

my-app/
├── my_agent # 所有项目代码都在这里
│   ├── utils # 图的工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env
└── pyproject.toml

创建LangGraph API配置¶

创建一个名为langgraph.json的LangGraph API配置文件。请参阅LangGraph CLI参考以获取配置文件中每个键的详细说明。

示例langgraph.json文件：

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

请注意，CompiledGraph变量名出现在顶级键graphs下每个子键值的末尾（即:<variable_name>）。

配置文件位置

LangGraph API配置文件必须放置在与包含编译图和相关依赖项的Python文件处于同一级别或更高级别的目录中。

示例文件目录：

my-app/
├── my_agent # 项目代码均位于此处
│   ├── utils # 图的工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
├── langgraph.json  # LangGraph配置文件
└── pyproject.toml # 项目依赖项

下一步¶

在设置好项目并将它放入github仓库之后，是时候部署你的应用了。

如何为部署配置 LangGraph 应用程序¶

指定依赖项¶

指定环境变量¶

定义图¶

创建LangGraph API配置¶

下一步¶

Comments