Skip to main content
Alpha 版本提示： 本文档涵盖的是 v1-alpha 版本。内容尚不完整，且可能随时变更。如需查阅最新稳定版本，请参阅 v0 版本的 LangChain Python 文档 或 LangChain JavaScript 文档。
本指南将引导您如何使用 LangGraph Studio 在本地可视化、交互和调试您的智能代理。 LangGraph Studio 是一款免费且功能强大的智能代理集成开发环境（IDE），与 LangSmith 集成，支持追踪、评估和提示词工程。您可以清晰了解代理的思考过程，追溯每一步决策，从而构建更智能、更可靠的代理。

​
前提条件

开始之前，请确保您已具备以下条件：
  • 一个 LangSmith 的 API 密钥（注册免费）

​
设置本地 LangGraph 服务器

​
1. 安装 LangGraph CLI

# 需要 Python >= 3.11。
pip install --upgrade "langgraph-cli[inmem]"

​
2. 准备您的代理

我们将以下简单代理作为示例：
agent.py
from langchain.agents import create_agent

model = ChatOpenAI(model="gpt-4o")

def send_email(to: str, subject: str, body: str):
    """发送电子邮件"""
    email = {
        "to": to,
        "subject": subject,
        "body": body
    }
    # ... 发送邮件逻辑

    return f"邮件已发送至 {to}"

agent = create_agent(
    "openai:gpt-4o",
    tools=[send_email],
    prompt="您是一个邮件助手。请始终使用 send_email 工具。",
)

​
3. 环境变量

在项目根目录下创建一个 .env 文件，并填入所需的 API 密钥。我们需要将 LANGSMITH_API_KEY 环境变量设置为您从 LangSmith 获取的 API 密钥。
请务必不要将 .env 文件提交到 Git 等版本控制系统中！
.env
LANGSMITH_API_KEY=lsv2...

​
4. 使您的应用兼容 LangGraph

在应用目录内，创建配置文件 langgraph.json：
langgraph.json
{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.py:agent"
  },
  "env": ".env"
}
create_agent() 会自动返回一个已编译的 LangGraph 图，我们可以将其传递给配置文件中的 graphs 键。
有关配置文件中每个键的详细说明，请参阅 LangGraph 配置文件参考文档。
到目前为止，我们的项目结构如下： 
my-app/
├── src
│   └── agent.py
├── .env
└── langgraph.json

​
5. 安装依赖项

在您的新 LangGraph 应用根目录中，安装依赖项： 
pip install -e .

​
6. 在 Studio 中查看您的代理

启动 LangGraph 服务器： 
langgraph dev
Safari 浏览器会阻止对 Studio 的 localhost 连接。为解决此问题，请使用 --tunnel 参数运行上述命令，通过安全隧道访问 Studio。
您的代理将可通过 API (http://127.0.0.1:2024) 和 Studio UI https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024 访问： Studio 让您的代理每一步操作都清晰可见。您可以重播任意输入，检查确切的提示词、工具参数、返回值以及令牌/延迟指标。如果某个工具抛出异常，Studio 会记录异常及其上下文状态，帮助您减少调试时间。 保持开发服务器运行，编辑提示词或工具签名，Studio 会自动热重载。从任意步骤重新运行对话线程，以验证行为变更。详情请参阅 管理线程。 随着您的代理日益复杂，同一视图可从单工具演示扩展至多节点图，确保决策过程清晰可复现。
如需深入了解 LangGraph Studio，请查看我们的综合 LangGraph Studio 概览。