以编程方式使用文档

本快速入门指南向您展示如何使用 langgraph deploy command.

前提条件

在开始之前，请确保您已具备：

  uv tool install langgraph-cli

1. 创建 LangGraph 应用

从以下 new-langgraph-project-python 模板:

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

2. 设置您的 API 密钥

将您的 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。另外，您也可以内联传递：

LANGSMITH_API_KEY=lsv2_... langgraph deploy

## 3. 部署 直接从 CLI 或通过 UI 进行部署。

Deploy from CLI

从项目目录运行部署命令：

    langgraph deploy

这会创建一个默认以项目目录命名的 dev 部署。使用 --name or --deployment-type prod 进行覆盖。

您还可以使用 langgraph deploy list 查看所有部署， langgraph deploy logs 查看运行时日志，以及 langgraph deploy delete 删除部署。详情请参阅 CLI 参考.

Deploy from Studio

要从 Studio 部署：

  1. 启动 本地开发服务器。这将自动打开 Studio，一个交互式代理 IDE。
    langgraph dev

2. 点击 deploy button. !从 Studio 部署

4. 在 Studio 中测试

Studio 是一个交互式智能体 IDE，直接连接到您的部署。使用它发送消息、检查每个节点的中间状态、在运行过程中编辑状态，以及从任何先前的检查点重放，无需编写代码。

部署就绪后：

  1. Go to LangSmith 并选择 **部署** 在左侧边栏中。
  2. 选择您的部署以查看其详情。
  3. 点击 **Studio** 在右上角打开 Studio.

5. 测试 API

复制 **API URL** 从部署详情视图，然后使用它来调用您的应用：

Python SDK (Async)

1. 安装 LangGraph Python SDK： 

        pip install langgraph-sdk

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

Python SDK (Sync)

1. 安装 LangGraph Python SDK： 

        pip install langgraph-sdk

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

JavaScript SDK

1. 安装 LangGraph JS SDK： 

        npm install @langchain/langgraph-sdk

2. 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, // Threadless run
            "agent", // Assistant ID
            {
                input: {
                    "messages": [
                        { "role": "user", "content": "What is LangGraph?"}
                    ]
                },
                streamMode: "messages",
            }
        );

        for await (const chunk of streamResponse) {
            console.log(`Receiving new event of type: ${chunk.event}...`);
            console.log(JSON.stringify(chunk.data));
            console.log("\n\n");
        }

Rest API

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

后续步骤

Assistants

使用不同的模型、提示词或工具为每个助手部署相同的图。

Threads

在多次运行之间保持状态，使您的智能体记住交互之间的上下文。

Runs

启动后台运行以处理长时间运行的任务，并将结果流式返回给您的客户端。