LangSmith本地部署LangGraph应用

本文将向你展示如何使用LangSmith在本地部署LangGraph应用，以便进行测试和开发。

准备

一个 LangSmith 账号：可在 smith.langchain.com 注册或登录。
一个 LangSmith API 密钥：请参考《创建 API 密钥指南》操作。

安装LangGraph CLI

bash 复制代码

pip install -U "langgraph-cli[inmem]"

创建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，你可以用自己的逻辑对其进行扩展。

bash 复制代码

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

安装依赖

在新建的LangGraph应用的根目录下，以编辑模式安装依赖项，这样服务器就会使用你的本地修改：

bash 复制代码

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

创建.env 文件

在新建的LangGraph应用根目录中，会找到一个.env.example 文件。请在该应用根目录下创建一个.env 文件，将.env.example 文件的内容复制到.env 文件中，并填写必要的 API 密钥：

bash 复制代码

LANGSMITH_API_KEY=lsv2...

启动智能体服务器

在本地启动智能体服务器：

bash 复制代码

langgraph dev

langgraph dev 命令会以内存模式（in-memory mode）启动智能体服务器（Agent Server）。此模式适用于开发和测试场景。

测试API

安装LangGraph Python SDK

bash 复制代码

pip install langgraph-sdk

测试API

python 复制代码

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,  # Threadless run
        "agent", # Name of assistant. Defined in langgraph.json.
        input={
        "messages": [{
            "role": "human",
            "content": "What is LangGraph?",
            }],
        },
    ):
        print(f"Receiving new event of type: {chunk.event}...")
        print(chunk.data)
        print("\n\n")

asyncio.run(main())