Skip to content

Run a local server

本指南將向您展示如何在本機上運行 LangGraph 應用程式。

Prerequisites

在開始之前，請確保您已準備好以下物品： - LangSmith API 金鑰 - 免費註冊

1. Install the LangGraph CLI

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

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

2. Create a LangGraph app

使用 new-langgraph-project-python 範本 建立一個新應用程式。此範本示範了一個 single-node 應用，您可以根據自己的邏輯進行擴充。

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

Additional templates

如果您使用 langgraph new 而不指定 --template，則會顯示一個互動式選單，您可以從中選擇可用模板。

$ langgraph new path/to/your/app

🌟 Please select a template:
1. New LangGraph Project - A simple, minimal chatbot with memory.
2. ReAct Agent - A simple agent that can be flexibly extended to many tools.
3. Memory Agent - A ReAct-style agent with an additional tool to store memories for use across conversational threads.
4. Retrieval Agent - An agent that includes a retrieval-based question-answering system.
5. Data-enrichment Agent - An agent that performs web searches and organizes its findings into a structured format.
Enter the number of your template choice (default is 1):

3. Install dependencies

在新建的 LangGraph 應用的根目錄中，以編輯模式安裝依賴項，以便伺服器能夠使用您本地所做的變更：

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

cd path/to/your/app
uv sync

4. Create a .env file

您會在新建的 LangGraph 應用程式根目錄下找到一個 .env.example 檔案。在新建的 LangGraph 應用程式根目錄下建立一個 .env 文件，並將 .env.example 檔案的內容複製到該檔案中，並填寫必要的 API 金鑰：

.env
# To separate your traces from other application
LANGSMITH_PROJECT=new-agent
LANGSMITH_API_KEY=lsv2....
# Add API keys for connecting to LLM providers, data sources, and other integrations here
GOOGLE_API_KEY=AIzaS....

5. Launch Agent server

在本地啟動 LangGraph API 伺服器:

langgraph dev

範例輸出：

>    Ready!
>
>    - API: [http://localhost:2024](http://localhost:2024/)
>
>    - Docs: http://localhost:2024/docs
>
>    - LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

langgraph dev 指令會以 in-memory mode 啟動 Agent Server。此模式適用於 開發 和 測試 用途。對於生產環境，請將 Agent Server 部署到持久性儲存後端。更多資訊請參閱 Platform setup overview。

6. Test your application in Studio

Studio 是一個專用的使用者介面，您可以透過它連接到 LangGraph API 伺服器，在本地視覺化、互動和調試您的應用程式。若要測試您的 graph，請造訪 langgraph dev 命令輸出中提供的 URL:

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

對於執行在自訂主機/連接埠上的 Agent Server，請更新 URL 中的 baseUrl 查詢參數。例如，如果您的伺服器運行在 http://myhost:3000:

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

7. Test the API

  1. 安裝 LangGraph Python SDK:

    pip install langgraph-sdk

  2. 向 assistant 發送訊息（threadless 運行）

    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())

  1. 安裝 LangGraph Python SDK:

    pip install langgraph-sdk

  2. 向 assistant 發送訊息（threadless 運行）:

    from langgraph_sdk import get_sync_client

client = get_sync_client(url="http://localhost:2024")

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="messages-tuple",
):
    print(f"Receiving new event of type: {chunk.event}...")
    print(chunk.data)
    print("\n\n")

curl -s --request POST \
    --url "http://localhost:2024/runs/stream" \
    --header 'Content-Type: application/json' \
    --data "{
        \"assistant_id\": \"agent\",
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"What is LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"messages-tuple\"
    }"

Next steps

現在您的 LangGraph 應用程式已經在本地運行，接下來可以探索部署和進階功能，進一步提升您的學習體驗：