ChatFireworks 集成

使用 LangChain Python 集成 ChatFireworks 对话模型。

本文档将帮助您开始使用 Fireworks AI 对话模型。有关 Fireworks 提供的所有模型列表，请参阅 Fireworks 文档。

API 参考

关于所有功能和配置选项的详细文档，请前往 @[ChatFireworks] API 参考。

概述

集成详情

类	包	可序列化	支持 JS/TS	下载量	版本
@[ChatFireworks]	@[langchain-fireworks]	beta	✅ (npm)

模型特性

工具调用	结构化输出	图像输入	音频输入	视频输入	Token 级流式输出	原生异步	Token 使用量	Logprobs
✅	✅	✅	❌	❌	✅	✅	✅	✅

图像输入需要一个支持视觉功能的模型（例如 Kimi K3）。并非所有 Fireworks 提供的模型都支持多模态输入。

设置

要访问 Fireworks 模型，您需要创建一个 Fireworks 账户，获取一个 API 密钥，并安装 langchain-fireworks 集成包。

凭证

前往 fireworks.ai 注册 Fireworks 并生成 API 密钥。完成后，设置 FIREWORKS_API_KEY 环境变量：

import getpass
import os

if "FIREWORKS_API_KEY" not in os.environ:
    os.environ["FIREWORKS_API_KEY"] = getpass.getpass("Enter your Fireworks API key: ")

要启用模型调用的自动跟踪，设置您的 LangSmith API 密钥：

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

安装

LangChain Fireworks 集成位于 langchain-fireworks 包中：

pip install -qU langchain-fireworks

实例化

现在我们可以实例化我们的模型对象并生成对话补全：

from langchain_fireworks import ChatFireworks

llm = ChatFireworks(
    model="accounts/fireworks/models/kimi-k2-instruct-0905",
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
    # other params...
)

调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore la programmation.", additional_kwargs={}, response_metadata={'token_usage': {'prompt_tokens': 31, 'total_tokens': 41, 'completion_tokens': 10}, 'system_fingerprint': '', 'finish_reason': 'stop', 'logprobs': None, 'model_provider': 'fireworks', 'model_name': 'accounts/fireworks/models/kimi-k2-instruct-0905'}, id='lc_run--a2bdeca3-6394-4c80-97ad-2fc8db9f54bb-0', usage_metadata={'input_tokens': 31, 'output_tokens': 10, 'total_tokens': 41})

print(ai_msg.content)

J'adore la programmation.

推理消耗

一些 Fireworks 托管的模型支持标准的 reasoning_effort 参数，该参数控制模型执行的推理量。ChatFireworks 将其原样转发为 reasoning_effort 请求字段。支持值因模型而异。可以在模型构建时或每次调用时设置：

from langchain_fireworks import ChatFireworks

model = ChatFireworks(model="accounts/fireworks/models/deepseek-v4-pro")
response = model.invoke(
    "Analyze the trade-offs between microservices and monolithic architectures",
    reasoning_effort="high",
)

使用 reasoning_effort 作为标准参数需要 langchain-fireworks>=1.5.2。

检查模型的 配置文件 以了解其支持的推理级别：

model.profile["reasoning_effort_levels"]  # e.g. ['low', 'medium', 'high']

API 参考

关于所有功能和配置选项的详细文档，请前往 @[ChatFireworks] API 参考。

---

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