本快速入门将展示如何使用 langgraph deploy 命令将应用程序部署到 LangSmith Cloud。
langgraph deploy 命令目前处于 测试版。
先决条件
开始之前，请确保你已具备：
1. 创建 LangGraph 应用
从 new-langgraph-project-python 模板创建一个新应用：
langgraph new path/to/your/app --template new-langgraph-project-python
cd path/to/your/app
不带 --template 参数运行 langgraph new 可以查看可用模板的交互式菜单。
2. 设置你的 API 密钥
将你的 LangSmith API 密钥添加到项目根目录的 .env 文件中：
LANGSMITH_API_KEY=lsv2_...
langgraph deploy 命令会自动读取此文件。或者，也可以内联传递：
LANGSMITH_API_KEY=lsv2_... langgraph deploy
3. 部署
从你的项目目录运行部署命令：
默认情况下，这会创建一个名为你的项目目录的 dev 部署。可以使用 --name 或 --deployment-type prod 来覆盖默认设置。
在对代码进行更改后，要更新现有部署，请重新运行 langgraph deploy。它会按名称找到现有部署并就地更新。
langgraph deploy list 查看所有部署，langgraph deploy logs 来跟踪运行时日志，以及 langgraph deploy delete <ID> 来删除部署。详情请参阅 CLI 参考。
4. 在 Studio 中测试
Studio 是一个直接连接到你的部署的交互式智能体 IDE。你可以用它来发送消息、检查每个节点的中间状态、在运行中编辑状态，以及从任何先前的检查点重放，而无需编写代码。
部署准备就绪后：
- 前往 LangSmith，在左侧边栏中选择 Deployments。
- 选择你的部署以查看其详细信息。
- 点击右上角的 Studio 以打开 Studio。
5. 测试 API
从部署详情页面复制 API URL，然后使用它来调用你的应用程序：
Python SDK (异步)
Python SDK (同步)
JavaScript SDK
Rest API
- 安装 LangGraph Python SDK：
pip install langgraph-sdk
- 向助手发送消息（无状态运行）：
from langgraph_sdk import get_client
client = get_client(url="your-deployment-url", api_key="your-langsmith-api-key")
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？",
}],
},
stream_mode="updates",
):
print(f"接收到类型为 {chunk.event} 的新事件...")
print(chunk.data)
print("\n\n")
- 安装 LangGraph Python SDK：
pip install langgraph-sdk
- 向助手发送消息（无线程运行）：
from langgraph_sdk import get_sync_client
client = get_sync_client(url="your-deployment-url", api_key="your-langsmith-api-key")
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="updates",
):
print(f"接收到类型为 {chunk.event} 的新事件...")
print(chunk.data)
print("\n\n")
- 安装 LangGraph JS SDK：
npm install @langchain/langgraph-sdk
- 向助手发送消息（无线程运行）：
const { Client } = await import("@langchain/langgraph-sdk");
const client = new Client({ apiUrl: "your-deployment-url", apiKey: "your-langsmith-api-key" });
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",
}
);
for await (const chunk of streamResponse) {
console.log(`接收到类型为 ${chunk.event} 的新事件...`);
console.log(JSON.stringify(chunk.data));
console.log("\n\n");
}
curl -s --request POST \
--url <DEPLOYMENT_URL>/runs/stream \
--header 'Content-Type: application/json' \
--header "X-Api-Key: <LANGSMITH API KEY>" \
--data "{
\"assistant_id\": \"agent\",
\"input\": {
\"messages\": [
{
\"role\": \"human\",
\"content\": \"什么是 LangGraph？\"
}
]
},
\"stream_mode\": \"updates\"
}"
后续步骤
助手
为每个助手部署具有不同模型、提示词或工具的相同图。
线程
在多次运行间持久化状态，使你的智能体能在交互间记住上下文。
运行
为长时间运行的任务启动后台运行，并将结果流式传输回你的客户端。
