运行本地服务器

本指南向你展示如何在本地运行 LangGraph 应用。

前置条件

在开始之前，请确保你具备以下条件：

• 一个 LangSmith 的 API 密钥——可免费注册

1. 安装 LangGraph CLI

pip

# Python >= 3.11 is required.
pip install -U "langgraph-cli[inmem]"

uv

# Python >= 3.11 is required.
uv add "langgraph-cli[inmem]"

2. 创建 LangGraph 应用

从 new-langgraph-project-python 模板创建一个新应用。该模板演示了一个单节点应用，你可以用自己的逻辑对其进行扩展。

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

TIP

其他模板 如果你在不指定模板的情况下使用 langgraph new，系统会向你展示一个交互式菜单，让你从可用模板列表中进行选择。

3. 安装依赖项

在新 LangGraph 应用的根目录下，以 edit 模式安装依赖项，以便服务器使用你的本地更改：

pip

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

uv

cd path/to/your/app
uv sync

4. 创建一个 .env 文件

你会在新 LangGraph 应用的根目录下找到一个 .env.example。在新 LangGraph 应用的根目录下创建一个 .env 文件，并将 .env.example 文件的内容复制到其中，填入必要的 API 密钥：

LANGSMITH_API_KEY=lsv2...

5. 启动 Agent 服务器

在本地启动 LangGraph API 服务器：

langgraph dev

示例输出：

INFO:langgraph_api.cli:

        Welcome to

╦  ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬
║  ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤
╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴  ┴ ┴

- 🚀 API: http://127.0.0.1:2024
- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 📚 API Docs: http://127.0.0.1:2024/docs

This in-memory server is designed for development and testing.
For production use, please use LangSmith Deployment.

langgraph dev 命令以内存模式启动 Agent Server。该模式适用于开发和测试目的。对于生产使用，请部署可访问持久化存储后端的 Agent Server。有关更多信息，请参阅平台设置概览。

6. 在 Studio 中测试你的应用

Studio 是一个专门的 UI，你可以将它连接到 LangGraph API 服务器，以便在本地可视化、交互和调试你的应用。通过访问 langgraph dev 命令输出中提供的 URL，在 Studio 中测试你的图：

>    - LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

对于运行在自定义主机/端口上的 Agent Server，请更新 URL 中的 baseUrl 查询参数。例如，如果你的服务器运行在 http://myhost:3000：

https://smith.langchain.com/studio/?baseUrl=http://myhost:3000

Safari 兼容性

将 --tunnel 标志与你的命令一起使用以创建安全隧道，因为 Safari 在连接到 localhost 服务器时存在限制：

langgraph dev --tunnel

7. 测试 API

1. 安装 LangGraph Python SDK：

   pip install langgraph-sdk

2. 向助手发送一条消息（无线程运行）：

   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())

后续步骤

现在你已经在本地运行了一个 LangGraph 应用，通过探索部署和高级功能，让你的旅程更进一步：

• 部署快速入门：使用 LangSmith 部署你的 LangGraph 应用。

• LangSmith：了解 LangSmith 的基础概念。

• SDK 参考：探索 SDK API 参考。

---