从代码调用智能体

您可以使用 LangGraph SDK 或 REST API 从您的应用程序调用 LangSmith Fleet 智能体。Fleet 智能体运行在 Agent Server 上，因此您可以使用与任何其他 LangSmith 部署相同的 API 方法。 REST API 允许您从任何支持 HTTP 请求的语言或平台调用您的智能体。

先决条件

拥有 Fleet 智能体的 LangSmith 账户
用于身份验证的个人访问令牌 (PAT)
（仅限 SDK）已安装 LangGraph SDK：

pip install langgraph-sdk python-dotenv

身份验证

要验证您的智能体 Fleet 部署的身份，请在实例化 LangGraph SDK 客户端时向 api_key 参数提供 LangSmith 个人访问令牌 (PAT)，或通过 X-API-Key 请求头提供。如果使用 X-API-Key，您还必须将 X-Auth-Scheme 请求头设置为 langsmith-api-key。如果您传递的 PAT 不属于该智能体的所有者，您的请求将被拒绝并返回 404 Not Found 错误。如果您尝试调用的智能体是且您不是所有者，您可以执行与在 UI 中相同的所有操作（只读）。

1. 获取智能体 ID 和 URL

要获取您的智能体的 agent_id 和 api_url：

在 LangSmith UI 中，导航到您的智能体的收件箱。
在智能体名称旁边，点击 编辑智能体 图标。
点击右上角的设置图标。
点击 查看代码片段 以查看为您的智能体预填充的值。

复制下面的代码，并将 agent_id 和 api_url 替换为来自您智能体代码片段的值。在您的项目根目录中创建一个 .env 文件，其中包含您的个人访问令牌：

.env

LANGGRAPH_API_KEY=您的个人访问令牌

2. 获取智能体配置

通过获取您的智能体配置来验证连接：

Python
TypeScript
cURL

import os
from dotenv import load_dotenv
from langgraph_sdk.client import get_client

load_dotenv()

agent_id = "您的智能体 ID"

api_key = os.getenv("LANGGRAPH_API_KEY")
api_url = "<AGENT-BUILDER-URL>.us.langgraph.app"

client = get_client(
    url=api_url,
    api_key=api_key,
    headers={
        "X-Auth-Scheme": "langsmith-api-key",
    },
)

async def get_assistant(agent_id: str):
    agent = await client.assistants.get(agent_id)
    print(agent)

if __name__ == "__main__":
    import asyncio
    asyncio.run(get_assistant(agent_id))

import "dotenv/config";
import { Client } from "@langchain/langgraph-sdk";

const agentId = "您的智能体 ID";

const apiKey = process.env.LANGGRAPH_API_KEY;
const apiUrl = "<AGENT-BUILDER-URL>.us.langgraph.app";

const client = new Client({
  apiUrl,
  apiKey,
  defaultHeaders: {
    "X-Auth-Scheme": "langsmith-api-key",
  },
});

async function main(agentId: string) {
  const agent = await client.assistants.get(agentId);
  console.log(agent);
}

main(agentId).catch(console.error);

curl --request GET \
    --url "<AGENT-BUILDER-URL>.us.langgraph.app/assistants/您的智能体 ID" \
    --header 'Content-Type: application/json' \
    --header 'X-Api-Key: 您的个人访问令牌' \
    --header 'X-Auth-Scheme: langsmith-api-key'

使用与您的 LangSmith 账户绑定的个人访问令牌 (PAT)。将 X-Auth-Scheme 请求头设置为 langsmith-api-key 以进行身份验证。如果您实现了自定义身份验证，请在请求头中传递用户的令牌，以便智能体可以使用用户作用域的工具。请参阅添加自定义身份验证。

3. 调用智能体

以下示例展示了如何向您的智能体发送消息并接收响应。您可以使用 无状态 运行（无线程，无对话历史记录）或 有状态 运行（使用线程来维护跨多次交互的对话历史记录）。

无状态运行

无状态运行发送单个请求并返回完整响应。不保留对话历史记录。这是调用智能体的最简单方式：

Python
TypeScript
cURL

import os
from dotenv import load_dotenv
from langgraph_sdk.client import get_client

load_dotenv()

agent_id = "您的智能体 ID"

api_key = os.getenv("LANGGRAPH_API_KEY")
api_url = "https://<AGENT-BUILDER-URL>.us.langgraph.app"

client = get_client(
    url=api_url,
    api_key=api_key,
    headers={
        "X-Auth-Scheme": "langsmith-api-key",
    },
)

result = await client.runs.wait(
    None,
    agent_id,
    input={
        "messages": [
            {"role": "user", "content": "你能帮我做什么？"}
        ]
    },
)
print(result)

import "dotenv/config";
import { Client } from "@langchain/langgraph-sdk";

const agentId = "您的智能体 ID";

const apiKey = process.env.LANGGRAPH_API_KEY;
const apiUrl = "<AGENT-BUILDER-URL>.us.langgraph.app";

const client = new Client({
  apiUrl,
  apiKey,
  defaultHeaders: {
    "X-Auth-Scheme": "langsmith-api-key",
  },
});

const result = await client.runs.wait(
  null,
  agentId,
  {
    input: {
      messages: [
        { role: "user", content: "你能帮我做什么？" }
      ]
    }
  }
);
console.log(result);

curl --request POST \
    --url "<AGENT-BUILDER-URL>.us.langgraph.app/runs/wait" \
    --header 'Content-Type: application/json' \
    --header 'X-Api-Key: 您的个人访问令牌' \
    --header 'X-Auth-Scheme: langsmith-api-key' \
    --data '{
        "assistant_id": "您的智能体 ID",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": "你能帮我做什么？"
                }
            ]
        }
    }'

无状态流式运行

要在生成时流式传输响应，而不是等待完整结果，请使用流式端点：

Python
TypeScript
cURL

async for chunk in client.runs.stream(
    None,
    agent_id,
    input={
        "messages": [
            {"role": "user", "content": "你能帮我做什么？"}
        ]
    },
    stream_mode="updates",
):
    if chunk.data and "run_id" not in chunk.data:
        print(chunk.data)

const streamResponse = client.runs.stream(
  null,
  agentId,
  {
    input: {
      messages: [
        { role: "user", content: "你能帮我做什么？" }
      ]
    },
    streamMode: "updates"
  }
);
for await (const chunk of streamResponse) {
  if (chunk.data && !("run_id" in chunk.data)) {
    console.log(chunk.data);
  }
}

curl --request POST \
    --url "<AGENT-BUILDER-URL>.us.langgraph.app/runs/stream" \
    --header 'Content-Type: application/json' \
    --header 'X-Api-Key: 您的个人访问令牌' \
    --header 'X-Auth-Scheme: langsmith-api-key' \
    --data '{
        "assistant_id": "您的智能体 ID",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": "你能帮我做什么？"
                }
            ]
        },
        "stream_mode": [
            "updates"
        ]
    }'

使用线程的有状态运行

要在多次交互中维护对话历史记录，请首先创建一个线程，然后在该线程上运行您的智能体。同一线程上的每次后续运行都可以访问完整的消息历史记录：

Python
TypeScript
cURL

import os
from dotenv import load_dotenv
from langgraph_sdk.client import get_client

load_dotenv()

agent_id = "您的智能体 ID"

api_key = os.getenv("LANGGRAPH_API_KEY")
api_url = "<AGENT-BUILDER-URL>.us.langgraph.app"

client = get_client(
    url=api_url,
    api_key=api_key,
    headers={
        "X-Auth-Scheme": "langsmith-api-key",
    },
)

thread = await client.threads.create()

async for chunk in client.runs.stream(
    thread["thread_id"],
    agent_id,
    input={
        "messages": [
            {"role": "user", "content": "你好，我叫 Alice。"}
        ]
    },
    stream_mode="updates",
):
    if chunk.data and "run_id" not in chunk.data:
        print(chunk.data)

async for chunk in client.runs.stream(
    thread["thread_id"],
    agent_id,
    input={
        "messages": [
            {"role": "user", "content": "我叫什么名字？"}
        ]
    },
    stream_mode="updates",
):
    if chunk.data and "run_id" not in chunk.data:
        print(chunk.data)

import "dotenv/config";
import { Client } from "@langchain/langgraph-sdk";

const agentId = "您的智能体 ID";

const apiKey = process.env.LANGGRAPH_API_KEY;
const apiUrl = "<AGENT-BUILDER-URL>.us.langgraph.app";

const client = new Client({
  apiUrl,
  apiKey,
  defaultHeaders: {
    "X-Auth-Scheme": "langsmith-api-key",
  },
});

const thread = await client.threads.create();

let streamResponse = client.runs.stream(
  thread["thread_id"],
  agentId,
  {
    input: {
      messages: [
        { role: "user", content: "你好，我叫 Alice。" }
      ]
    },
    streamMode: "updates"
  }
);
for await (const chunk of streamResponse) {
  if (chunk.data && !("run_id" in chunk.data)) {
    console.log(chunk.data);
  }
}

streamResponse = client.runs.stream(
  thread["thread_id"],
  agentId,
  {
    input: {
      messages: [
        { role: "user", content: "我叫什么名字？" }
      ]
    },
    streamMode: "updates"
  }
);
for await (const chunk of streamResponse) {
  if (chunk.data && !("run_id" in chunk.data)) {
    console.log(chunk.data);
  }
}

首先，创建一个线程：

curl --request POST \
    --url "<AGENT-BUILDER-URL>.us.langgraph.app/threads" \
    --header 'Content-Type: application/json' \
    --header 'X-Api-Key: 您的个人访问令牌' \
    --header 'X-Auth-Scheme: langsmith-api-key' \
    --data '{}'

使用响应中的 thread_id 在线程上发送消息：

curl --request POST \
    --url "<AGENT-BUILDER-URL>.us.langgraph.app/threads/<THREAD_ID>/runs/stream" \
    --header 'Content-Type: application/json' \
    --header 'X-Api-Key: 您的个人访问令牌' \
    --header 'X-Auth-Scheme: langsmith-api-key' \
    --data '{
        "assistant_id": "您的智能体 ID",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": "你好，我叫 Alice。"
                }
            ]
        },
        "stream_mode": [
            "updates"
        ]
    }'

在同一线程上发送后续消息：

curl --request POST \
    --url "<AGENT-BUILDER-URL>.us.langgraph.app/threads/<THREAD_ID>/runs/stream" \
    --header 'Content-Type: application/json' \
    --header 'X-Api-Key: 您的个人访问令牌' \
    --header 'X-Auth-Scheme: langsmith-api-key' \
    --data '{
        "assistant_id": "您的智能体 ID",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": "我叫什么名字？"
                }
            ]
        },
        "stream_mode": [
            "updates"
        ]
    }'

REST API 参考

下表总结了关键端点。将 <API_URL> 替换为您的智能体部署 URL。

操作	方法	端点
获取智能体信息	`GET`	`<API_URL>/assistants/<AGENT_ID>`
创建线程	`POST`	`<API_URL>/threads`
运行（等待结果）	`POST`	`<API_URL>/runs/wait`
运行（流式）	`POST`	`<API_URL>/runs/stream`
在线程上运行（等待）	`POST`	`<API_URL>/threads/<THREAD_ID>/runs/wait`
/langsmith/agent-server-api/thread-runs/create-run-stream-output	`POST`	`<API_URL>/threads/<THREAD_ID>/runs/stream`

所有端点都需要以下请求头：

Content-Type: application/json
X-Api-Key: 您的个人访问令牌
X-Auth-Scheme: langsmith-api-key

有关完整的 API 规范，请参阅 Agent Server API 参考。

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.

Get started

Configure

Tools and automation

Advanced

Additional resources

先决条件

身份验证

1. 获取智能体 ID 和 URL

2. 获取智能体配置

3. 调用智能体

无状态运行

无状态流式运行

使用线程的有状态运行

REST API 参考

Get started

Configure

Tools and automation

Advanced

Additional resources

​先决条件

​身份验证

​1. 获取智能体 ID 和 URL

​2. 获取智能体配置

​3. 调用智能体

​无状态运行

​无状态流式运行

​使用线程的有状态运行

​REST API 参考

先决条件

身份验证

1. 获取智能体 ID 和 URL

2. 获取智能体配置

3. 调用智能体

无状态运行

无状态流式运行

使用线程的有状态运行

REST API 参考