部署

使用 LangSmith Cloud 或 JavaScript 框架和托管平台将 LangGraph 智能体部署到生产环境。

当您准备好将您的 LangGraph 智能体部署到生产环境时，选择一个适合您技术栈的托管模型。LangSmith 云端 提供完全托管的基础设施，适用于具有持久状态和后台执行的状态持久型、长时间运行的智能体。

:::js 您也可以使用相同的 智能体流式传输协议 在 JavaScript 框架和平台（如 Next.js、SvelteKit、Nuxt、Cloudflare Workers 和 Deno Deploy）上部署。

框架和平台

查看所有指南

LangSmithNext.jsSvelteKitNuxtCloudflareDeno

:::

LangSmith 提供了云之外的多种部署选项，包括 混合、独立服务器 和 带控制平面的自托管。有关更多信息，请参阅 LangSmith 部署概述。

LangSmith 云端

本节将指导您从 GitHub 仓库将智能体部署到 LangSmith 云端。LangSmith 处理基础设施、扩展和运维问题。

前置条件

开始之前，请确保您已准备好以下内容：

• 一个 GitHub 账户
• 一个 LangSmith 账户（免费注册）

部署您的智能体

1. 在 GitHub 上创建一个仓库

您的应用程序代码必须存储在 GitHub 仓库中才能在 LangSmith 上部署。支持公共和私有仓库。对于此快速入门，首先确保您的应用程序与 LangGraph 兼容，方法是按照 本地服务器设置指南 操作。然后，将您的代码推送到仓库。

2. 部署到 LangSmith

1. Navigate to LangSmith Deployment

   登录到 LangSmith。在左侧边栏中，选择 部署。

2. Create new deployment

   点击 + 新部署 按钮。将打开一个面板，您可以在其中填写所需字段。

3. Link repository

   如果您是首次使用或添加一个之前未连接的私有仓库，请点击 添加新账户 按钮，并按照说明连接您的 GitHub 账户。

4. Deploy repository

   选择您的应用程序的仓库。点击 提交 以部署。这可能需要大约 15 分钟才能完成。您可以在 部署详情 视图中查看状态。

3. 在 Studio 中测试您的应用程序

部署您的应用程序后：

1. 选择您刚刚创建的部署以查看更多详细信息。
2. 点击右上角的 Studio 按钮。Studio 将打开以显示您的图。

4. 获取您的部署的 API URL

1. 在 LangGraph 的 部署详情 视图中，点击 API URL 以将其复制到剪贴板。
2. 点击 URL 以将其复制到剪贴板。

5. 测试 API

现在您可以测试 API：

Python

1. 安装 LangGraph SDK:

pip install langgraph-sdk

2. 向智能体发送消息:

from langgraph_sdk import get_sync_client # or get_client for async

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

for chunk in client.runs.stream(
    None,    # Threadless run
    "agent", # Name of agent. Defined in langgraph.json.
    input={
        "messages": [{
            "role": "human",
            "content": "What is LangGraph?",
        }],
    },
    stream_mode="updates",
):
    print(f"Receiving new event of type: {chunk.event}...")
    print(chunk.data)
    print("\n\n")

TypeScript

1. 安装 LangGraph SDK:

npm install @langchain/langgraph-sdk

2. 向智能体发送消息:

import { Client } from "@langchain/langgraph-sdk";

const client = new Client({ apiUrl: "your-deployment-url", apiKey: "your-langsmith-api-key" });

const streamResponse = client.runs.stream(
  null,    // Threadless run
  "agent", // Name of agent. Defined in langgraph.json.
  {
    input: {
      "messages": [
        { "role": "user", "content": "What is LangGraph?"}
      ]
    },
    streamMode: "messages",
  }
);

for await (const chunk of streamResponse) {
  console.log(`Receiving new event of type: ${chunk.event}...`);
  console.log(JSON.stringify(chunk.data));
  console.log("\n\n");
}

Rest API

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\", `# Name of agent. Defined in langgraph.json.`
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"What is LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"updates\"
    }"

---

官方原文：src/oss/langgraph/deploy.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。