本指南向您展示如何本地运行 LangGraph 应用程序。
前置条件
在开始之前，确保您具备以下条件：
1. 安装 LangGraph CLI
# 需要 Python >= 3.11
pip install -U "langgraph-cli[inmem]"
2. 创建 LangGraph 应用
从 new-langgraph-project-python 模板 创建新应用。此模板演示了一个单节点应用程序，您可以扩展自己的逻辑。
langgraph new path/to/your/app --template new-langgraph-project-python
其他模板
如果您使用 langgraph new 而不指定模板，将显示一个交互式菜单，允许您从可用模板列表中选择。
3. 安装依赖项
在新的 LangGraph 应用的根目录中，以 edit 模式安装依赖项，以便服务器使用您的本地更改：
cd path/to/your/app
pip install -e .
4. 创建 .env 文件
您会在新的 LangGraph 应用根目录中找到 .env.example。在新的 LangGraph 应用根目录创建 .env 文件，并将 .env.example 的内容复制到其中，填写必要的 API 密钥：
LANGSMITH_API_KEY=lsv2...
5. 启动 Agent 服务器
本地启动 LangGraph API 服务器：
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 文档: http://127.0.0.1:2024/docs
此内存服务器适用于开发和测试。
生产使用，请使用 LangSmith 部署。
langgraph dev 命令以内存模式启动 Agent Server。此模式适用于开发和测试。生产使用，请使用持久化存储后端部署 Agent Server。有关更多信息，请参阅平台设置概述。
6. 在 Studio 中测试您的应用程序
Studio 是一个专用 UI，您可以连接到 LangGraph API 服务器，在本地可视化、交互和调试您的应用程序。通过访问 langgraph dev 命令输出中提供的 URL 在 Studio 中测试您的图：
> - LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
baseUrl 查询参数。例如，如果您的服务器运行在 http://myhost:3000：
https://smith.langchain.com/studio/?baseUrl=http://myhost:3000
使用 --tunnel 标志创建安全隧道，因为 Safari 在连接到 localhost 服务器时有局限性： 7. 测试 API
Python SDK (异步)
Python SDK (同步)
Rest API
- 安装 LangGraph Python SDK：
pip install langgraph-sdk
- 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": "什么是 LangGraph？",
}],
},
):
print(f"接收新事件，类型：{chunk.event}...")
print(chunk.data)
print("\n\n")
asyncio.run(main())
- 安装 LangGraph Python SDK：
pip install langgraph-sdk
- 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": "什么是 LangGraph？",
}],
},
stream_mode="messages-tuple",
):
print(f"接收新事件，类型：{chunk.event}...")
print(chunk.data)
print("\n\n")
curl -s --request POST \
--url "http://localhost:2024/runs/stream" \
--header 'Content-Type: application/json' \
--data "{
\"assistant_id\": \"agent\",
\"input\": {
\"messages\": [
{
\"role\": \"human\",
\"content\": \"什么是 LangGraph？\"
}
]
},
\"stream_mode\": \"messages-tuple\"
}"
下一步
既然您已经在本地运行了 LangGraph 应用，请通过探索部署和高级功能来进一步您的旅程：
通过 MCP 将这些文档连接到 Claude、VSCode 等以获取实时答案。
