运行本地服务器

本指南向你展示如何在本地运行 LangGraph 应用。

前提条件

开始之前，请确保你具备以下条件：

• LangSmith 的 API 密钥 - 免费注册

1. 安装 LangGraph CLI

pip

# 需要 Python >= 3.11。
pip install -U "langgraph-cli[inmem]"

2. 创建 LangGraph 应用

从 new-langgraph-project-python 模板创建一个新应用。此模板演示了一个可以用你自己的逻辑扩展的单节点应用。

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

更多模板 如果你使用 langgraph new 而不指定模板，将会显示一个交互式菜单，让你从可用模板列表中选择。

3. 安装依赖

在新 LangGraph 应用的根目录中，以 edit 模式安装依赖，这样你的本地更改会被服务器使用：

pip

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

4. 创建 .env 文件

你会在新 LangGraph 应用的根目录中找到一个 .env.example 文件。在新 LangGraph 应用的根目录中创建一个 .env 文件，将 .env.example 文件的内容复制到其中，并填写必要的 API 密钥：

LANGSMITH_API_KEY=lsv2...

5. 启动智能体服务器

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。此模式适合开发和测试目的。对于生产使用，请部署带有持久存储后端访问权限的 Agent Server。更多信息请参阅平台设置概述。

6. 在 Studio 中测试你的应用

Studio 是一个专用 UI，你可以将其连接到 LangGraph API 服务器，以可视化、交互和调试你的本地应用。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

对于在自定义主机/端口上运行的 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

在命令中使用 --tunnel 标志创建安全隧道，因为 Safari 在连接 localhost 服务器时存在限制：

langgraph dev --tunnel

7. 测试 API

Python SDK（异步）

1. 安装 LangGraph Python SDK：
   pip install langgraph-sdk
   
2. 向助手发送消息（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,  # 无线程运行
           "agent", # 助手名称。在 langgraph.json 中定义。
           input={
           "messages": [{
               "role": "human",
               "content": "What is LangGraph?",
               }],
           },
       ):
           print(f"接收到新事件，类型为：{chunk.event}...")
           print(chunk.data)
           print("\n\n")
   
   asyncio.run(main())
   

Python SDK（同步）

1. 安装 LangGraph Python SDK：
   pip install langgraph-sdk
   
2. 向助手发送消息（无线程运行）：
   from langgraph_sdk import get_sync_client
   
   client = get_sync_client(url="http://localhost:2024")
   
   for chunk in client.runs.stream(
       None,  # 无线程运行
       "agent", # 助手名称。在 langgraph.json 中定义。
       input={
           "messages": [{
               "role": "human",
               "content": "What is LangGraph?",
           }],
       },
       stream_mode="messages-tuple",
   ):
       print(f"接收到新事件，类型为：{chunk.event}...")
       print(chunk.data)
       print("\n\n")
   

Rest API

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\"
    }"

后续步骤

现在你已经在本地运行了 LangGraph 应用，可以通过探索部署和高级功能来进一步深入：

• 部署快速开始：使用 LangSmith 部署你的 LangGraph 应用。

• LangSmith：了解 LangSmith 的基础概念。

• SDK 参考：浏览 SDK API 参考。

---

将这些文档连接到 Claude、VSCode 等工具，通过 MCP 获取实时答案。

在 GitHub 上编辑此页面或提交 issue。