LangSmith Studio

在本地使用 LangChain 构建智能体时，可视化智能体内部的操作、实时交互以及调试问题非常有帮助。LangSmith Studio 是一个免费的图形界面，用于从本地机器开发和测试您的 LangChain 智能体。

在本地使用 LangChain 构建智能体时，可视化智能体内部的操作、实时交互以及调试问题非常有帮助。LangSmith Studio 是一个免费的图形界面，用于从本地机器开发和测试您的 LangChain 智能体。

Studio 连接到您本地运行的智能体，以展示智能体执行的每一步：发送给模型的提示词、工具调用及其结果，以及最终输出。您可以测试不同的输入、检查中间状态，并在无需额外代码或部署的情况下迭代智能体的行为。

本页面描述了如何将 Studio 设置与您的本地 LangChain 智能体。

前置条件

开始之前，请确保您已具备以下条件：

• 一个 LangSmith 账户：在 smith.langchain.com 注册（免费）或登录。
• 一个 LangSmith API 密钥：遵循 创建 API 密钥 指南。
• 如果您不想将数据 追踪 到 LangSmith，请在智能体的 .env 文件中设置 LANGSMITH_TRACING=false。禁用追踪后，不会有任何数据离开您的本地服务器。

设置本地智能体服务器

1. 安装 LangGraph CLI

LangGraph CLI 提供了一个本地开发服务器（也称为 智能体服务器），将您的智能体连接到 Studio。

:::python

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

:::

:::js

npx @langchain/langgraph-cli

:::

2. 准备您的智能体

如果您已经有一个 LangChain 智能体，可以直接使用它。本示例使用一个简单的邮件智能体：

:::python

agent.py

from langchain.agents import create_agent

def send_email(to: str, subject: str, body: str):
    """Send an email"""
    email = {
        "to": to,
        "subject": subject,
        "body": body
    }
    # ... email sending logic

    return f"Email sent to {to}"

agent = create_agent(
    "gpt-5.5",
    tools=[send_email],
    system_prompt="You are an email assistant. Always use the send_email tool.",
)

:::

:::js

agent.ts

import { createAgent } from "@langchain/langgraph";

function sendEmail(to: string, subject: string, body: string): string {
    // Send an email
    const email = {
        to: to,
        subject: subject,
        body: body
    };
    // ... email sending logic

    return `Email sent to ${to}`;
}

const agent = createAgent({
    model: "gpt-5.5",
    tools: [sendEmail],
    systemPrompt: "You are an email assistant. Always use the sendEmail tool.",
});

export { agent };

:::

3. 环境变量

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。

Studio 需要一个 LangSmith API 密钥来连接您的本地智能体。在项目的根目录中创建一个 .env 文件，并将您的 API 密钥从 LangSmith 添加到其中。

确保您的 .env 文件不会被提交到版本控制，例如 Git。

.env

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

4. 创建 LangGraph 配置文件

LangGraph CLI 使用配置文件来定位您的智能体和管理依赖项。在应用程序目录中创建一个 langgraph.json 文件：

:::python

langgraph.json

{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.py:agent"
  },
  "env": ".env"
}

:::

:::js

langgraph.json

{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.ts:agent"
  },
  "env": ".env"
}

:::

:::python @[create_agent] 函数会自动返回一个编译后的 LangGraph 图，这是配置文件中 graphs 键所期望的。 :::

:::js @[createAgent] 函数会自动返回一个编译后的 LangGraph 图，这是配置文件中 graphs 键所期望的。 :::

有关配置文件中 JSON 对象每个键的详细说明，请参阅 LangGraph 配置文件参考。

此时，项目结构将如下所示：

:::python

my-app/
├── src
│   └── agent.py
├── .env
└── langgraph.json

:::

:::js

my-app/
├── src
│   └── agent.ts
├── .env
├── package.json
└── langgraph.json

:::

5. 安装依赖项

:::python 从根目录安装您的项目依赖项：

pip

pip install langchain langchain-openai

:::

:::js

yarn install

:::

6. 在 Studio 中查看您的智能体

启动开发服务器以将您的智能体连接到 Studio：

:::python

langgraph dev

:::

:::js

npx @langchain/langgraph-cli dev

:::

Safari 会阻止 localhost 连接到 Studio。为解决这个问题，请使用 --tunnel 运行上述命令，通过安全隧道访问 Studio。您需要手动将隧道 URL 添加到允许的来源中，方法是点击 Studio UI 中的 连接到本地服务器。有关步骤，请参阅 故障排除指南。

服务器运行后，您的智能体可以通过 API 在 http://127.0.0.1:2024 访问，也可以通过 Studio UI 在 https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024 访问：

将 Studio 连接到您的本地智能体后，您可以快速迭代智能体的行为。运行测试输入，在 LangSmith 中检查完整的执行追踪，包括提示词、工具参数、返回值以及 Token/延迟指标。当出现问题时，Studio 会捕获异常及其周围状态，以帮助您了解发生了什么。

开发服务器支持热重载——在您的代码中更改提示词或工具签名，Studio 会立即反映这些更改。从任何步骤重新运行对话线程以测试您的更改，而无需从头开始。此工作流程适用于从简单的单工具智能体到复杂的多节点图。

有关如何运行 Studio 的更多信息，请参阅 LangSmith 文档 中的以下指南：

• 运行智能体
• 管理智能体
• 管理对话线程
• 迭代提示词
• 调试 LangSmith 追踪
• 向数据集添加节点

视频指南

---

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