如何设置 LangGraph 应用程序以进行部署¶

为了将 LangGraph 应用程序部署到 LangGraph Cloud（或进行自托管），必须使用 LangGraph API 配置文件对其进行配置。本操作指南将讨论使用 pyproject.toml 定义包依赖项来设置 LangGraph 应用程序以进行部署的基本步骤。

本演练基于此仓库，你可以对其进行操作，以深入了解如何设置 LangGraph 应用程序进行部署。

使用 requirements.txt 进行设置

如果你更喜欢使用 requirements.txt 进行依赖项管理，请查看本操作指南。

使用单仓库进行设置

如果你有兴趣部署位于单仓库内的图，请查看此仓库以获取相关示例。

最终的仓库结构大致如下：

my-app/
├── my_agent # 所有项目代码都存放在此处
│   ├── 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
│   ├── __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，以展示如何组织代码。

指定依赖项¶

可以选择在以下文件之一中指定依赖项：pyproject.toml、setup.py 或 requirements.txt。如果这些文件都未创建，则可以稍后在 LangGraph API 配置文件中指定依赖项。

以下依赖项将包含在镜像中，只要版本范围兼容，你也可以在代码中使用它们：

langgraph>=0.2.56,<0.4.0
langgraph-sdk>=0.1.53
langgraph-checkpoint>=2.0.15,<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,<2.2.0
uvloop>=0.18.0
httptools>=0.5.0
jsonschema-rs>=0.20.0
structlog>=23.1.0

示例 pyproject.toml 文件：

[tool.poetry]
name = "my-agent"
version = "0.0.1"
description = "An excellent agent build for LangGraph cloud."
authors = ["Polly the parrot <1223+polly@users.noreply.github.com>"]
license = "MIT"
readme = "README.md"

[tool.poetry.dependencies]
python = ">=3.9"
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   # Python packages required for your graph

指定环境变量¶

可以选择在文件（例如 .env）中指定环境变量。请参阅环境变量参考，为部署配置其他变量。

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¶

实现你的图！图可以在单个文件或多个文件中定义。记录要包含在 LangGraph 应用程序中的每个 CompiledGraph 的变量名。这些变量名将在创建 LangGraph API 配置文件时使用。

示例 agent.py 文件，展示了如何从你定义的其他模块中导入（这里未展示这些模块的代码，请查看此仓库以了解其实现）：

# 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()

将 CompiledGraph 赋值给变量

LangGraph Cloud 的构建过程要求将 CompiledGraph 对象赋值给 Python 模块顶层的一个变量。

示例文件目录：

my-app/
├── my_agent # 所有项目代码都位于此处
│   ├── 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
│   ├── __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。有关配置文件 JSON 对象中每个键的详细解释，请参阅 LangGraph CLI 参考。

示例 langgraph.json 文件：

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

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

配置文件位置

LangGraph API 配置文件必须放置在与包含已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 # 所有项目代码都位于此处
│   ├── 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
│   ├── __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

下一步¶

在你设置好项目并将其放在 GitHub 仓库中后，就该部署你的应用程序了。

如何设置 LangGraph 应用程序以进行部署¶

指定依赖项¶

指定环境变量¶

定义图¶

创建 LangGraph API 配置¶

下一步¶

Comments