当将代理部署到 LangSmith 时，服务器会提供一个内置的、基于 Postgres 的长期记忆存储，并支持通过 pgvector 进行可选的向量搜索。你可以将其替换为你自己的 BaseStore 实现，以使用不同的存储后端、自定义索引或专门的搜索功能。
你需要提供一个指向异步上下文管理器的路径，该管理器会生成一个 BaseStore 实例，服务器会自动管理存储的生命周期。
自定义存储目前处于 alpha 阶段。此功能可能在次要版本更新中发生破坏性变更。
定义存储
从一个 已存在 的 LangSmith 应用程序开始，创建一个文件来定义生成你的自定义存储的异步上下文管理器。如果你正在开始一个新项目，可以使用 CLI 从模板创建应用。
langgraph new --template=new-langgraph-project-python my_new_project
AsyncSqliteStore：
# ./src/agent/store.py
import contextlib
from langchain.embeddings import init_embeddings
from langgraph.store.base import IndexConfig
from langgraph.store.sqlite import AsyncSqliteStore
embeddings = init_embeddings("openai:text-embedding-3-small")
@contextlib.asynccontextmanager
async def generate_store():
"""生成一个 BaseStore，在服务器运行期间保持打开状态。"""
async with AsyncSqliteStore.from_conn_string(
"./custom_store.sql",
index=IndexConfig(
dims=1536,
embed=embeddings,
fields=["$"],
),
) as store:
await store.setup()
yield store
当配置了自定义存储时，它将 完全替换 内置的 Postgres 存储。诸如语义搜索和 TTL 清理等功能取决于你的实现。
配置 langgraph.json
将 store 键添加到你的 langgraph.json 配置文件 中。path 指向你 之前定义 的异步上下文管理器。
{
"dependencies": ["."],
"graphs": {
"agent": "./src/agent/graph.py:graph"
},
"env": ".env",
"store": {
"path": "./src/agent/store.py:generate_store"
}
}
启动服务器
在本地测试服务器：
langgraph dev --no-browser
后续步骤
