> ## Documentation Index
> Fetch the complete documentation index at: https://nvd-54.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# LangSmith 部署

本指南向你展示如何将智能体部署到 **[LangSmith Cloud](/langsmith/deploy-to-cloud)**，这是一个专为智能体工作负载设计的全托管托管平台。通过 Cloud 部署，你可以直接从 GitHub 仓库进行部署——LangSmith 会处理基础设施、扩展和运维事务。

传统的托管平台是为无状态、短期运行的 Web 应用构建的。LangSmith Cloud **专为有状态、长时间运行的智能体**而构建，这些智能体需要持久化状态和后台执行。

<Tip>
  LangSmith 提供多种部署选项，除了 Cloud 之外，还包括使用[控制平面（混合/自托管）](/langsmith/deploy-with-control-plane)部署或作为[独立服务器](/langsmith/deploy-standalone-server)部署。更多信息请参阅[部署概述](/langsmith/deployment)。
</Tip>

## 前提条件

开始之前，请确保你具备以下条件：

* 一个 [GitHub 账户](https://github.com/)
* 一个 [LangSmith 账户](https://smith.langchain.com?utm_source=docs\&utm_medium=cta\&utm_campaign=langsmith-signup\&utm_content=oss-langgraph-deploy)（免费注册）

## 部署你的智能体

### 1. 在 GitHub 上创建仓库

你的应用代码必须存放在 GitHub 仓库中才能在 LangSmith 上部署。支持公开和私有仓库。在本快速开始中，请先按照[本地服务器设置指南](/oss/python/langgraph/studio#set-up-local-agent-server)确保你的应用与 LangGraph 兼容。然后，将代码推送到仓库。

### 2. 部署到 LangSmith

<Steps>
  <Step title="进入 LangSmith 部署页面">
    登录 [LangSmith](https://smith.langchain.com?utm_source=docs\&utm_medium=cta\&utm_campaign=langsmith-signup\&utm_content=oss-langgraph-deploy)。在左侧边栏中，选择 **Deployments**。
  </Step>

  <Step title="创建新部署">
    点击 **+ New Deployment** 按钮。将打开一个面板，你可以在其中填写所需字段。
  </Step>

  <Step title="关联仓库">
    如果你是首次使用或要添加之前未连接的私有仓库，请点击 **Add new account** 按钮并按照说明连接你的 GitHub 账户。
  </Step>

  <Step title="部署仓库">
    选择你的应用仓库。点击 **Submit** 进行部署。部署可能需要大约 15 分钟完成。你可以在 **Deployment details** 视图中查看状态。
  </Step>
</Steps>

### 3. 在 Studio 中测试你的应用

应用部署完成后：

1. 选择刚创建的部署以查看更多详情。
2. 点击右上角的 **Studio** 按钮。Studio 将打开并显示你的图。

### 4. 获取部署的 API URL

1. 在 LangGraph 的 **Deployment details** 视图中，点击 **API URL** 将其复制到剪贴板。
2. 点击 `URL` 将其复制到剪贴板。

### 5. 测试 API

现在你可以测试 API：

<Tabs>
  <Tab title="Python">
    1. 安装 LangGraph SDK：

    ```shell theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    pip install langgraph-sdk
    ```

    2. 向智能体发送消息：

    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    from langgraph_sdk import get_sync_client # 或使用 get_client 进行异步调用

    client = get_sync_client(url="your-deployment-url", api_key="your-langsmith-api-key")

    for chunk in client.runs.stream(
        None,    # 无线程运行
        "agent", # 智能体名称。在 langgraph.json 中定义。
        input={
            "messages": [{
                "role": "human",
                "content": "What is LangGraph?",
            }],
        },
        stream_mode="updates",
    ):
        print(f"接收到新事件，类型为：{chunk.event}...")
        print(chunk.data)
        print("\n\n")
    ```
  </Tab>

  <Tab title="Rest API">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    curl -s --request POST \
        --url <DEPLOYMENT_URL>/runs/stream \
        --header 'Content-Type: application/json' \
        --header "X-Api-Key: <LANGSMITH API KEY> \
        --data "{
            \"assistant_id\": \"agent\", `# 智能体名称。在 langgraph.json 中定义。`
            \"input\": {
                \"messages\": [
                    {
                        \"role\": \"human\",
                        \"content\": \"What is LangGraph?\"
                    }
                ]
            },
            \"stream_mode\": \"updates\"
        }"
    ```
  </Tab>
</Tabs>

***

<div className="source-links">
  <Callout icon="terminal-2">
    [将这些文档连接](/use-these-docs)到 Claude、VSCode 等工具，通过 MCP 获取实时答案。
  </Callout>

  <Callout icon="edit">
    [在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/langgraph/deploy.mdx)或[提交 issue](https://github.com/langchain-ai/docs/issues/new/choose)。
  </Callout>
</div>