运行本地服务器

本指南将向您展示如何在本地运行 LangGraph 应用程序。

前提条件

在开始之前，请确保您已具备以下条件：

一个 LangSmith 的 API 密钥 — 注册免费

1. 安装 LangGraph CLI

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

# 需要 Python >= 3.11。
uv add langgraph-cli[inmem]

2. 创建一个 LangGraph 应用 🌱

从 new-langgraph-project-python 模板创建一个新应用。该模板展示了一个单节点应用程序，您可以在此基础上扩展自己的逻辑。

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

更多模板 如果您使用 langgraph new 但未指定模板，系统将显示一个交互式菜单，供您从可用模板列表中选择。

3. 安装依赖项

在您的新 LangGraph 应用根目录中，以“编辑”模式安装依赖项，以便服务器使用您的本地更改：

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

cd path/to/your/app
uv add .

4. 创建 `.env` 文件

您将在新 LangGraph 应用的根目录中找到一个 .env.example 文件。请在根目录中创建一个 .env 文件，并将 .env.example 文件的内容复制进去，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

示例输出：

>    准备就绪！
>
>    - API: [http://localhost:2024](http://localhost:2024/)
>
>    - 文档: http://localhost:2024/docs
>
>    - LangGraph Studio Web UI: 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。如需生产环境使用，请部署支持持久化存储后端的 LangGraph 服务器。更多信息请参阅部署选项。

6. 在 LangGraph Studio 中测试您的应用

LangGraph Studio 是一个专用 UI，您可以将其连接到 LangGraph API 服务器，以在本地可视化、交互和调试您的应用。通过访问 langgraph dev 命令输出中提供的 URL，在 LangGraph Studio 中测试您的图：

>    - 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

由于 Safari 在连接 localhost 服务器时存在限制，请使用 --tunnel 标志创建安全隧道：

langgraph dev --tunnel

7. 测试 API

Python SDK (异步)
Python SDK (同步)
Rest API

安装 LangGraph Python SDK：

pip install langgraph-sdk

向助手发送消息（无会话运行）：

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,  # 无会话运行
        "agent", # 助手名称。在 langgraph.json 中定义。
        input={
        "messages": [{
            "role": "human",
            "content": "什么是 LangGraph？",
            }],
        },
    ):
        print(f"正在接收类型为 {chunk.event} 的新事件...")
        print(chunk.data)
        print("\n\n")

asyncio.run(main())

安装 LangGraph Python SDK：

pip install langgraph-sdk

向助手发送消息（无会话运行）：

from langgraph_sdk import get_sync_client

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

for chunk in client.runs.stream(
    None,  # 无会话运行
    "agent", # 助手名称。在 langgraph.json 中定义。
    input={
        "messages": [{
            "role": "human",
            "content": "什么是 LangGraph？",
        }],
    },
    stream_mode="messages-tuple",
):
    print(f"正在接收类型为 {chunk.event} 的新事件...")
    print(chunk.data)
    print("\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\": \"什么是 LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"messages-tuple\"
    }"

后续步骤

现在您已在本地成功运行 LangGraph 应用，可通过探索部署和高级功能进一步深入：

部署快速入门：使用 LangGraph 平台部署您的 LangGraph 应用。
LangGraph 平台：了解 LangGraph 平台的基础概念。
Python SDK 参考文档：探索 Python SDK API 参考文档。

Get started

Capabilities

Production

LangGraph APIs

前提条件

1. 安装 LangGraph CLI

2. 创建一个 LangGraph 应用 🌱

3. 安装依赖项

4. 创建 `.env` 文件

5. 启动 LangGraph 服务器 🚀

6. 在 LangGraph Studio 中测试您的应用

7. 测试 API

后续步骤

​前提条件

​1. 安装 LangGraph CLI

​2. 创建一个 LangGraph 应用 🌱

​3. 安装依赖项

​4. 创建 .env 文件

​5. 启动 LangGraph 服务器 🚀

​6. 在 LangGraph Studio 中测试您的应用

​7. 测试 API

​后续步骤

前提条件

1. 安装 LangGraph CLI

2. 创建一个 LangGraph 应用 🌱

3. 安装依赖项

4. 创建 `.env` 文件

5. 启动 LangGraph 服务器 🚀

6. 在 LangGraph Studio 中测试您的应用

7. 测试 API

后续步骤