运行本地服务器

本指南将指导您如何在本地运行 LangGraph 智能体。

本指南将指导您如何在本地运行 LangGraph 智能体。

前置条件

开始之前，请确保您已准备好以下内容：

• 一个 LangSmith 的 API 密钥 - 免费注册

1. 安装 LangGraph CLI

:::python

pip

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

:::

:::js

npm install --save-dev @langchain/langgraph-cli

:::

2. 创建 LangGraph 智能体

:::python 从 new-langgraph-project-python 模板 创建智能体代码。此模板演示了一个单节点图，您可以在此基础上扩展自己的逻辑。

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

其他模板 如果您使用 langgraph new 而未指定模板，系统将显示一个交互式菜单，允许您从可用模板列表中选择。

:::

:::js 从 new-langgraph-project-js 模板 创建智能体代码。此模板演示了一个单节点图，您可以在此基础上扩展自己的逻辑。

npm create langgraph

Adding LangGraph to an existing project

如果您已有包含 LangGraph 智能体的现有项目，可以使用 config 命令自动生成 langgraph.json 配置文件：

npm create langgraph config

此命令将扫描您的项目中的 LangGraph 智能体（例如 createAgent()、StateGraph.compile() 或 workflow.compile() 模式），并生成包含所有导出智能体的配置文件。

示例输出：

{
  "node_version": "24",
  "graphs": {
    "agent": "./src/agent.ts:agent",
    "searchAgent": "./src/search.ts:searchAgent"
  },
  "env": ".env"
}

仅包含 已导出 的智能体。如果智能体未导出，命令将发出警告，以便您添加 export 关键字。

:::

3. 安装依赖项

在新的 LangGraph 应用的根目录下，以 edit 模式安装依赖项，以便服务器使用您的本地更改：

:::python

pip

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

:::

:::js

cd path/to/your/app
npm install

:::

4. 创建 .env 文件

在一个 基于智能体的工作空间 中，在发送跟踪信息之前，先 创建一个智能体。使用 智能体寻址 来选择其标识符和环境。如果集成需要 project_name，请使用所选环境的 tracer_session_name 作为兼容性值。

您将在新的 LangGraph 应用的根目录下找到一个 .env.example。在新的 LangGraph 应用的根目录下创建一个 .env 文件，并将 .env.example 文件的内容复制到其中，填写必要的 API 密钥：

LANGSMITH_API_KEY=lsv2...
LANGSMITH_AGENT_ID="<your-agent-id>"
LANGSMITH_AGENT_ENVIRONMENT="production"

5. 启动智能体服务器

在本地启动 LangGraph API 服务器：

:::python

langgraph dev

:::

:::js

npx @langchain/langgraph-cli 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。此模式适用于开发和测试目的。对于生产环境，请部署具有持久化存储后端访问权限的 Agent Server。更多详情，请参阅 平台设置概述。

6. 在 Studio 中测试您的智能体

Studio 是一个专门的 UI，您可以通过它连接到 LangGraph API 服务器，以本地可视化、交互和调试您的智能体。通过访问 langgraph dev 命令输出中提供的 URL 来在 Studio 中测试您的图：

>    - 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，如果您的服务器在 http://myhost:3000 上运行：

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

Safari compatibility

使用 --tunnel 标志与您的命令一起创建安全隧道，因为 Safari 在连接到 localhost 服务器时有限制：

langgraph dev --tunnel

7. 测试 API

:::python

Python SDK (async)

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,  # 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())
   

Python SDK (sync)

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,  # 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")
   

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\"
    }"

:::

:::js

Javascript SDK

1. 安装 LangGraph JS SDK:
   npm install @langchain/langgraph-sdk
   
2. 向助手发送消息（无线程运行）:

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

// only set the apiUrl if you changed the default port when calling langgraph dev
const client = new Client({ apiUrl: "http://localhost:2024"});

const streamResponse = client.runs.stream(
  null, // Threadless run
  "agent", // Assistant ID
  {
    input: {
      "messages": [
        { "role": "user", "content": "What is LangGraph?"}
      ]
    },
    streamMode: "messages-tuple",
  }
);

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 "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\"
    }"

:::

下一步

现在您已本地运行 LangGraph 应用，请通过探索部署和高级功能来继续您的旅程：

• 部署快速入门：使用 LangSmith 部署您的 LangGraph 应用。
• LangSmith：了解 LangSmith 的基础概念。

:::python

• SDK 参考：探索 SDK API 参考。 ::: :::js
• SDK 参考：探索 SDK API 参考。 :::

---

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