快速入门：在LangGraph云上部署

前提条件

在开始之前，请确保您具备以下条件：

• GitHub账户
• LangSmith账户

在GitHub上创建仓库

为了将LangGraph应用程序部署到**LangGraph Cloud**，您的应用程序代码必须位于GitHub仓库中。支持公共和私有仓库。

您可以将任何LangGraph 应用程序部署到LangGraph Cloud。

在此指南中，我们将使用预构建的Python ReAct Agent模板。

获取ReAct Agent模板所需的API密钥

此**ReAct Agent**应用程序需要从Anthropic和Tavily获取API密钥。您可以在各自的网站上注册以获取这些API密钥。

替代方案：如果您更喜欢一个不需要API密钥的框架应用，请改用新LangGraph项目模板。

1. 访问ReAct Agent仓库。
2. 点击右上角的Fork按钮，将仓库fork到您的GitHub账户中。

部署到LangGraph云

1. 登录LangSmith

访问LangSmith并登录。如果您还没有账户，可以免费注册。

2. 单击LangGraph平台（左侧边栏）

从左侧边栏中选择**LangGraph平台**。

3. 单击+新建部署（右上角）

单击**+新建部署**以创建新的部署。此按钮位于右上角。 它会打开一个新的模态窗口，在其中填写所需的字段。

4. 单击从GitHub导入（首次使用用户）

单击**从GitHub导入**并按照说明连接您的GitHub帐户。此步骤适用于**首次使用用户**或添加尚未连接过的私有仓库。

5. 选择仓库，配置环境变量等

选择仓库，添加环境变量和密钥，并设置其他配置选项。

• 仓库：选择您之前分叉的仓库（或任何其他要部署的仓库）。
• 设置应用程序所需的密钥和环境变量。对于**ReAct Agent**模板，您需要设置以下密钥：
  • ANTHROPIC_API_KEY：从Anthropic获取API密钥。
  • TAVILY_API_KEY：在Tavily网站上获取API密钥。

6. 单击提交以部署！

请注意，此步骤可能需要约15分钟才能完成。您可以在**部署**视图中检查部署状态。 单击右上角的提交按钮以部署您的应用。

LangGraph Studio Web界面

一旦您的应用程序部署完成，您可以在**LangGraph Studio**中对其进行测试。

1. 点击现有的部署

点击您刚刚创建的部署以查看详细信息。

2. 点击LangGraph Studio

点击LangGraph Studio按钮以打开LangGraph Studio。

在LangGraph Studio中运行的示例图。

测试API

Note

下面的API调用是针对**ReAct Agent**模板的。如果你部署的是不同的应用，则可能需要相应地调整这些API调用。

在使用之前，你需要获取你的LangGraph部署的URL。你可以在“部署”视图中找到这个URL。点击“URL”将其复制到剪贴板。

你还需确保已正确设置你的API密钥，以便能够通过LangGraph Cloud进行身份验证。

export LANGSMITH_API_KEY=...

Python SDK（异步）Python SDK（同步）JavaScript SDKREST API

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_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": "What is LangGraph?",
        }],
    },
    stream_mode="updates",
):
    print(f"接收新事件类型：{chunk.event}...")
    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": "What is LangGraph?",
        }],
    },
    stream_mode="updates",
):
    print(f"接收新事件类型：{chunk.event}...")
    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": "What is LangGraph?"}
            ]
        },
        streamMode: "messages",
    }
);

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

curl -s --request POST \
    --url <DEPLOYMENT_URL> \
    --header 'Content-Type: application/json' \
    --data "{
        \"assistant_id\": \"agent\",
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"What is LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"updates\"
    }" 

下一步

恭喜您！如果您已经完成了本教程的学习，那么您已经朝着成为LangGraph Cloud专家的目标迈出了坚实的一步。这里有一些其他的资源供您参考，以帮助您进一步提升技能：

LangGraph 框架

• LangGraph 教程：开始学习LangGraph框架。
• LangGraph 基础概念：了解LangGraph的基础概念。
• LangGraph 操作指南：常见任务的操作指南。

📚 更多关于LangGraph 平台的知识

通过以下资源扩展您的知识：

• LangGraph 平台基础概念：理解LangGraph平台的基础概念。
• LangGraph 平台操作指南：发现构建和部署应用程序的分步指南。
• 启动本地LangGraph 服务器：此快速入门指南展示了如何在本地启动LangGraph服务器，适用于**ReAct Agent**模板。其他模板的步骤类似。

Comments