将应用部署到云端

使用 LangGraph CLI 将你的第一个应用部署到 LangSmith Cloud（AWS 和 GCP）。

本快速入门介绍如何使用 langgraph deploy 命令将应用部署到 LangSmith Cloud（AWS 和 GCP）。任何通过 langgraph.json 配置导出图的应用都以相同方式部署，无论你使用哪种框架编写 agent。

TIP

有关包括基于 GitHub 的部署和所有配置选项在内的完整 Cloud 部署指南，请参阅 Cloud 部署设置指南。

NOTE

langgraph deploy 命令处于 beta 阶段。

前置条件

开始之前，请确保你具备：

• 一个 LangSmith 账户，位于 Plus 套餐或更高版本，并拥有 API key。

• （可选）已安装 Docker 且 Docker 守护进程正在运行，用于本地构建。远程构建不需要。安装 Docker Desktop。如果 Docker 不可用，langgraph deploy 会自动触发远程构建。

• （可选）在 Apple Silicon（M1/M2/M3）上：安装 Docker Buildx，用于在本地构建期间交叉编译到 linux/amd64。

• LangGraph CLI：

  uv tool install langgraph-cli

1. 创建可部署的应用

langgraph deploy 会部署任何其 langgraph.json 导出图的项目。选择与你编写 agent 方式相匹配的路径：

从 new-langgraph-project-python 模板创建新应用：

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

TIP

运行 langgraph new 时不带 --template，即可获得可用模板的交互式菜单。

2. 设置 API key

将你的 LangSmith API key 添加到项目根目录的 .env 文件中：

LANGSMITH_API_KEY=lsv2_...

langgraph deploy 命令会自动读取它。或者，也可以内联传递：

LANGSMITH_API_KEY=lsv2_... langgraph deploy

3. 部署

直接从 CLI 或通过 UI 部署。

在项目目录中运行 deploy 命令：

langgraph deploy

默认情况下，这会创建一个以项目目录命名的 Serverless 部署。使用 --name 或 --deployment-type dedicated 覆盖。

NOTE

仍使用 2026 年 10 月 1 日之前旧定价的组织，请改用 --deployment-type prod 或 --deployment-type dev。详情请参阅 langgraph deploy 和管理计费。

TIP

在更改代码后要更新现有部署，请重新运行 langgraph deploy。它会按名称查找现有部署并就地更新。

你还可以使用 langgraph deploy list 查看所有部署，使用 langgraph deploy logs 跟踪运行时日志，并使用 langgraph deploy delete <ID> 删除部署。详情请参阅 CLI 参考。

4. 在 Studio 中测试

Studio 是一个直接连接到你的部署的交互式 agent IDE。使用它可以发送消息、检查每个节点的中间状态、在运行中编辑状态，并从任何先前的检查点重放，而无需编写代码。

部署就绪后：

1. 前往 LangSmith，在左侧边栏中选择 Deployments。
2. 选择你的部署以查看其详情。
3. 点击右上角的 Studio 打开 Studio。

5. 测试 API

从部署详情视图复制 API URL，然后使用它调用你的应用：

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": "Say hello.",
           }],
       },
       stream_mode="updates",
   ):
       print(f"Receiving new event of type: {chunk.event}...")
       print(chunk.data)
       print("\n\n")

后续步骤

•Assistants

为每个助手使用不同的模型、提示词或工具部署相同的图。

•Threads

跨多次运行持久化状态，让 agent 在交互之间记住上下文。

•Runs

为长时间运行的任务启动后台运行，并将结果流式传回客户端。

---