Documentation Index
Fetch the complete documentation index at: https://langchain.idochub.dev/llms.txt
Use this file to discover all available pages before exploring further.
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：
1. 安装 LangGraph CLI
# 需要 Python >= 3.11。
pip install -U "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 .
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：
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
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： 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：