应用结构

要在 LangSmith 上部署，应用程序必须由一个或多个图、一个配置文件 (langgraph.json)、一个指定依赖项的文件以及一个可选的指定环境变量的 .env 文件组成。本页说明 LangSmith 应用程序的组织方式以及如何提供部署所需的配置详情。

核心概念

要使用 LangSmith 进行部署，请提供以下信息：

一个配置文件 (langgraph.json)，用于指定应用程序使用的依赖项、图和环境变量。
实现应用程序逻辑的图。
一个指定运行应用程序所需依赖项的文件。
应用程序运行所需的环境变量。

框架无关LangSmith 部署支持部署 LangGraph 图。然而，图的_节点_实现可以包含任意代码。这意味着任何框架都可以在节点内实现并部署在 LangSmith 部署上。这使您无需使用额外的 LangGraph 开源 API 即可实现核心应用逻辑，同时仍可使用 LangSmith 进行部署、扩展和可观测性。更多详情，请参阅在 LangSmith 部署中使用任何框架。

文件结构

以下是 Python 和 JavaScript 应用程序的目录结构示例：

Python (requirements.txt)
Python (pyproject.toml)
JS (package.json)

my-app/
├── my_agent # 所有项目代码都在这里
│   ├── utils # 图的实用工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
├── requirements.txt # 包依赖项
└── langgraph.json # LangGraph 的配置文件

my-app/
├── my_agent # 所有项目代码都在这里
│   ├── utils # 图的实用工具
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
├── langgraph.json  # LangGraph 的配置文件
└── pyproject.toml # 项目的依赖项

my-app/
├── src # 所有项目代码都在这里
│   ├── utils # 图的可选实用工具
│   │   ├── tools.ts # 图的工具
│   │   ├── nodes.ts # 图的节点函数
│   │   └── state.ts # 图的状态定义
│   └── agent.ts # 构建图的代码
├── package.json # 包依赖项
├── .env # 环境变量
└── langgraph.json # LangGraph 的配置文件

应用程序的目录结构可能因所使用的编程语言和包管理器而异。

配置文件

langgraph.json 文件是一个 JSON 文件，用于指定部署应用程序所需的依赖项、图、环境变量和其他设置。有关 JSON 文件中所有支持键的详细信息，请参阅 LangGraph 配置文件参考。

LangGraph CLI 默认使用当前目录中的配置文件 langgraph.json。

示例

Python
JavaScript

依赖项涉及一个自定义本地包和 langchain_openai 包。
将从文件 ./your_package/your_file.py 加载一个图，变量为 agent。
环境变量从 .env 文件加载。

{
    "dependencies": [
        "langchain_openai",
        "./your_package"
    ],
    "graphs": {
        "my_agent": "./your_package/your_file.py:agent"
    },
    "env": "./.env"
}

依赖项将从本地目录中的依赖文件（例如 package.json）加载。
将从文件 ./your_package/your_file.js 加载一个图，函数为 agent。
环境变量 OPENAI_API_KEY 内联设置。

{
    "dependencies": [
        "."
    ],
    "graphs": {
        "my_agent": "./your_package/your_file.js:agent"
    },
    "env": {
        "OPENAI_API_KEY": "secret-key"
    }
}

依赖项

应用程序可能依赖于其他 Python 包或 JavaScript 库（取决于编写应用程序的编程语言）。通常需要指定以下信息才能正确设置依赖项：

目录中指定依赖项的文件（例如 requirements.txt、pyproject.toml 或 package.json）。
配置文件中的 dependencies 键，用于指定运行应用程序所需的依赖项。
任何额外的二进制文件或系统库可以使用 LangGraph 配置文件中的 dockerfile_lines 键指定。

图

使用配置文件中的 graphs 键来指定部署的应用程序中将可用哪些图。您可以在配置文件中指定一个或多个图。每个图由一个唯一名称和一个路径标识，该路径指向 (1) 一个已编译的图或 (2) 一个定义图的函数。

在 LangSmith 部署中使用任何框架

虽然 LangSmith 部署要求应用程序结构化为 LangGraph 图，但该图中的各个节点可以包含任意代码。这意味着您可以在节点中使用任何框架或库，同时仍然受益于 LangSmith 的部署基础设施。图结构作为部署接口，但您的核心应用程序逻辑可以使用最适合您需求的任何工具和框架。要使用 LangSmith 进行部署，您需要：

Python
JavaScript

一个 LangGraph 图结构：使用 StateGraph 定义一个图，配合使用 add_node 和 add_edge。
包含任意逻辑的节点函数：您的节点函数可以调用任何框架或库。
一个已编译的图：编译该图以创建可部署的应用程序。

以下示例展示了如何将您现有的应用程序逻辑包装在一个最小的 LangGraph 结构中：

from langgraph.graph import StateGraph, START, END
from typing import TypedDict

# 您使用任何框架的现有应用程序逻辑
from app_logic import process_data
from app_logic import fetch_data

class State(TypedDict):
    input: str
    result: str

def my_app_node(state: State) -> State:
    """包含任意框架代码的节点。"""
    # 在这里使用任何框架或库
    raw_data = fetch_data(state["input"])
    processed = process_data(raw_data)
    return {"result": processed}

# 定义图结构
graph = StateGraph(State)
graph.add_node("process", my_app_node)  # 添加包含您逻辑的节点
graph.add_edge(START, "process")  # 将起点连接到您的节点
graph.add_edge("process", END)  # 将您的节点连接到终点

# 编译以进行部署
app = graph.compile()

一个 LangGraph 图结构：使用 StateGraph 定义一个图，配合使用 addNode 和 addEdge。
包含任意逻辑的节点函数：您的节点函数可以调用任何框架或库。
一个已编译的图：编译该图以创建可部署的应用程序。

以下示例展示了如何将您现有的应用程序逻辑包装在一个最小的 LangGraph 结构中：

import { StateGraph, START, END } from "@langchain/langgraph";
import { Annotation } from "@langchain/langgraph";

// 您使用任何框架的现有应用程序逻辑
import { processData } from "./app-logic";
import { fetchData } from "./app-logic";

const State = Annotation.Root({
  input: Annotation<string>,
  result: Annotation<string>
});

async function myAppNode(state: typeof State.State) {
  // 在这里使用任何框架或库
  const rawData = await fetchData(state.input);
  const processed = await processData(rawData);
  return { result: processed };
}

// 定义图结构
const graph = new StateGraph(State)
  .addNode("process", myAppNode)  // 添加包含您逻辑的节点
  .addEdge(START, "process")  // 将起点连接到您的节点
  .addEdge("process", END);  // 将您的节点连接到终点

// 编译以进行部署
export const app = graph.compile();

在此示例中，节点函数（Python 的 my_app_node 和 JavaScript 的 myAppNode）可以包含对任何框架或库的调用。LangGraph 结构仅提供部署接口和编排层。

环境变量

如果您在本地处理已部署的 LangGraph 应用程序，可以在配置文件的 env 键中配置环境变量。对于生产部署，您通常需要在部署环境中配置环境变量。

将这些文档通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。

在 GitHub 上编辑此页面或提交问题。

Agent server

Core capabilities

Develop agents

Deployment guides

Studio

Auth & access control

Server customization

核心概念

文件结构

配置文件

示例

依赖项

图

在 LangSmith 部署中使用任何框架

环境变量

​核心概念

​文件结构

​配置文件

​示例

​依赖项

​图

​在 LangSmith 部署中使用任何框架

​环境变量

核心概念

文件结构

配置文件

示例

依赖项

图

在 LangSmith 部署中使用任何框架

环境变量