跳至主要內容

运行本地服务器

本指南向你展示如何在本地运行LangGraph应用程序。

先决条件

在开始之前，请确保你具备以下条件：

1. 安装LangGraph CLI

Python

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

JavaScript

npx @langchain/langgraph-cli

2. 创建LangGraph应用 🌱

Python

从new-langgraph-project-python模板创建一个新应用。这个模板演示了你可以用自己的逻辑扩展的单节点应用程序。

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

附加模板
如果你使用langgraph new而不指定模板，你将看到一个交互式菜单，允许你从可用模板列表中进行选择。

JavaScript

从new-langgraph-project-js模板创建一个新应用。这个模板演示了你可以用自己的逻辑扩展的单节点应用程序。

npm create langgraph

3. 安装依赖

在你的新LangGraph应用的根目录中，以edit模式安装依赖，以便服务器使用你的本地更改：

Python

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

JavaScript

cd path/to/your/app
npm install

4. 创建.env文件

你将在新LangGraph应用的根目录中找到一个.env.example文件。在新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：

Python

langgraph dev

JavaScript

npx @langchain/langgraph-cli dev

示例输出：

>    Ready!
>
>    - API: [http://localhost:2024](http://localhost:2024/)
>
>    - Docs: 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。此模式适合开发和测试目的。对于生产使用，请部署具有持久存储后端访问权限的LangGraph服务器。有关更多信息，请参阅托管概述。

6. 在Studio中测试你的应用程序

Studio是一个专门的UI，你可以连接到LangGraph API服务器以可视化、交互和调试你的本地应用程序。通过访问langgraph dev命令输出中提供的URL在Studio中测试你的图：

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

对于在自定义主机/端口上运行的LangGraph服务器，请更新baseURL参数。

Safari兼容性
使用命令的--tunnel标志创建安全隧道，因为Safari在连接到localhost服务器时有限制：

langgraph dev --tunnel

7. 测试API

Python

Python SDK（异步）

  1. 安装LangGraph Python SDK：
pip install langgraph-sdk
  1. 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,  # 无线程运行
        "agent", # 助手名称。在langgraph.json中定义。
        input={
        "messages": [{
            "role": "human",
            "content": "什么是LangGraph？",
            }],
        },
    ):
        print(f"接收类型为: {chunk.event} 的新事件...")
        print(chunk.data)
        print("\n\n")

asyncio.run(main())

Python SDK（同步）

  1. 安装LangGraph Python SDK：
pip install langgraph-sdk
  1. 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,  # 无线程运行
    "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"接收类型为: {chunk.event} 的新事件...")
    print(chunk.data)
    print("\n\n")

REST API

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\" 
    }"

JavaScript

JavaScript SDK

  1. 安装LangGraph JS SDK：
npm install @langchain/langgraph-sdk
  1. 向助手发送消息（无线程运行）：
const { Client } = await import("@langchain/langgraph-sdk");

// 只有在调用langgraph dev时更改了默认端口时才设置apiUrl
const client = new Client({ apiUrl: "http://localhost:2024"});

const streamResponse = client.runs.stream(
    null, // 无线程运行
    "agent", // 助手ID
    {
        input: {
            "messages": [
                { "role": "user", "content": "什么是LangGraph？"}
            ]
        },
        streamMode: "messages-tuple",
    }
);

for await (const chunk of streamResponse) {
    console.log(`接收类型为: ${chunk.event} 的新事件...`);
    console.log(JSON.stringify(chunk.data));
    console.log("\n\n");
}

REST API

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\" 
    }"

下一步

现在你已经在本地运行了LangGraph应用程序，通过探索部署和高级功能来进一步推进你的旅程：

Python

JavaScript

最近更新