Skip to content

LangGraph 平台快速入门

本指南将展示如何在本地运行一个 LangGraph 应用程序。

先决条件

在开始之前，请确保您具备以下内容：

1. 安装 LangGraph CLI

# 需要 Python >= 3.11。

pip install --upgrade "langgraph-cli[inmem]"

npx @langchain/langgraph-cli

2. 创建一个 LangGraph 应用 🌱

从 new-langgraph-project-python 模板 或 new-langgraph-project-js 模板 创建一个新的应用。这个模板演示了一个单节点应用，你可以用自己的逻辑进行扩展。

langgraph new path/to/your/app --template new-langgraph-project-python

langgraph new path/to/your/app --template new-langgraph-project-js

其他模板

如果你使用 langgraph new 而不指定模板，将会出现一个交互式菜单，允许你从可用的模板列表中进行选择。

3. 安装依赖项

在你的新 LangGraph 应用的根目录下，以 edit 模式安装依赖项，这样服务器就可以使用你本地的更改：

cd path/to/your/app
pip install -e .

cd path/to/your/app
yarn install

4. 创建 .env 文件

在你新创建的 LangGraph 应用的根目录中，你会找到一个 .env.example 文件。在你新创建的 LangGraph 应用的根目录中创建一个 .env 文件，并将 .env.example 文件的内容复制到其中，填写必要的 API 密钥：

LANGSMITH_API_KEY=lsv2...

5. 启动 LangGraph 服务器 🚀

在本地启动 LangGraph API 服务器：

langgraph dev

npx @langchain/langgraph-cli dev

示例输出：

>    已准备就绪！
>
>    - API: [http://localhost:2024](http://localhost:2024/)
>
>    - 文档: http://localhost:2024/docs
>
>    - LangGraph Studio Web 界面: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

langgraph 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。对于生产环境使用，请部署 LangGraph 服务器并连接到持久化存储后端。有关更多信息，请参见 部署选项。

6. 在 LangGraph Studio 中测试你的应用程序

LangGraph Studio 是一个专门的用户界面，你可以将其连接到 LangGraph API 服务器，以本地可视化、交互和调试你的应用程序。通过访问 langgraph dev 命令输出中的 URL，在 LangGraph Studio 中测试你的图：

>    - LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

对于运行在自定义主机/端口上的 LangGraph 服务器，请更新 baseURL 参数。

Safari 兼容性

使用命令中的 --tunnel 标志创建安全隧道，因为 Safari 在连接本地服务器时存在限制：

langgraph dev --tunnel

7. 测试 API

  1. 安装 LangGraph Python SDK：

    pip install langgraph-sdk

  2. 向助手发送消息（无线程运行）：

    from langgraph_sdk import get_client
import asyncio

client = get_client(url="http://localhost:2024")

async def main():
    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?",
            }],
        },
    ):
        print(f"Receiving new event of type: {chunk.event}...")
        print(chunk.data)
        print("\n\n")

asyncio.run(main())

  1. 安装 LangGraph Python SDK：

    pip install langgraph-sdk

  2. 向助手发送消息（无线程运行）：

    from langgraph_sdk import get_sync_client

client = get_sync_client(url="http://localhost: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="messages-tuple",
):
    print(f"Receiving new event of type: {chunk.event}...")
    print(chunk.data)
    print("\n\n")

  1. 安装 LangGraph JS SDK：

    npm install @langchain/langgraph-sdk

  2. 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: "http://localhost:2024"});

const streamResponse = client.runs.stream(
    null, // Threadless run
    "agent", // Assistant ID
    {
        input: {
            "messages": [
                { "role": "user", "content": "What is LangGraph?"}
            ]
        },
        streamMode: "messages-tuple",
    }
);

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 "http://localhost:2024/runs/stream" \
    --header 'Content-Type: application/json' \
    --data "{
        \"assistant_id\": \"agent\",
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"What is LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"messages-tuple\"
    }"

下一步

现在你已经在本地运行了一个 LangGraph 应用，继续你的旅程，探索部署和高级功能：