Run a local server¶

本指南向您展示如何在本機上運行 LangGraph 應用程式。

Prerequisites¶

在開始之前，請確保您已具備以下條件：

LangSmith 的 API 金鑰

1. Install the LangGraph CLI¶

# Python >= 3.11 is required.

pip install --upgrade "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。此模板演示了一個單節點應用程序，您可以使用自己的邏輯進行擴展。

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

Info

如果您使用 langgraph new 而不指定模板，您將看到一個互動式選單，可讓您從可用模板清單中進行選擇。

3. Install dependencies¶

在新的 LangGraph 應用程式的根目錄中，以編輯模式安裝依賴項，以便伺服器使用您的本機變更：

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

4. Create a `.env` file¶

您將在新的 LangGraph 應用的根目錄中找到一個 .env.example 檔案。在新的 LangGraph 應用的根目錄中建立一個 .env 文件，並將 .env.example 文件的內容複製到其中，並填寫必要的 API 金鑰：

LANGSMITH_API_KEY=lsv2...

5. Launch LangGraph 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 指令會以記憶體模式啟動 LangGraph 伺服器。此模式適用於開發和測試。對於生產環境，請部署 LangGraph 伺服器並使其能夠存取持久性儲存後端。更多信息，請參閱部署選項。

6. Test your application in LangGraph Studio¶

LangGraph Studio 是一個專門的 UI，您可以連接到 LangGraph API 伺服器，在本地視覺化、互動和調試您的應用程式。透過存取 langgraph dev 命令輸出中提供的 URL，在 LangGraph Studio 中測試您的 graph：

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

對於在自訂主機/連接埠上執行的 LangGraph 伺服器，請更新 baseURL 參數。

7. Test the API¶

Python SDK (async)Python SDK (sync)Javascript SDKRest API

安裝 LangGraph Python SDK：
```
pip install langgraph-sdk
```

向 assistant 發送訊息：

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())

安裝 LangGraph Python SDK：

bash pip install langgraph-sdk

向 assistant 發送訊息：

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")

安裝 LangGraph JS SDK：
```
npm install @langchain/langgraph-sdk
```