Skip to main content
本指南展示如何使用函数式 API 在 LangSmith 部署 上部署 Strands 智能体，并为 LangSmith 可观测性 设置追踪。您可以对其他框架（如 CrewAI、AutoGen、Google ADK）采用相同方法。 使用函数式 API 并部署到 LangSmith 部署提供以下优势：
  • 生产部署：将您的集成解决方案部署到 LangSmith 部署，实现可扩展的生产使用。
  • 增强功能：通过函数式 API，您可以将现有智能体与持久化、流式处理、短期和长期记忆 等功能集成，只需对现有代码进行最小更改。
  • 多智能体系统：构建多智能体系统，其中各个智能体使用不同框架构建。

​
前提条件

  • Python 3.9+
  • 依赖项：pip install strands-agents strands-agents-tools langgraph
  • 环境中的 AWS 凭证

​
1. 定义 strands 智能体

使用预构建工具创建 Strands 智能体。 
from strands import Agent
from strands_tools import file_read, file_write, python_repl, shell, journal

agent = Agent(
        tools=[file_read, file_write, python_repl, shell, journal],
        system_prompt="You are an Expert Software Developer Assistant specializing in web frameworks. Your task is to analyze project structures and identify mappings.",
        model="us.anthropic.claude-sonnet-4-20250514-v1:0",
    )

​
2. 使用函数式 API 部署到 LangSmith 部署

函数式 API 允许您与 LangChain 以外的框架进行集成和部署。函数式 API 还提供了额外优势，可以利用其他关键功能——持久化、记忆、人机交互和流式处理——与您现有的智能体结合，只需对现有代码进行最小更改。 它使用两个关键构建块：
  • @entrypoint：将函数标记为工作流的起点，封装逻辑并管理执行流程，包括处理长时间运行的任务和中断。
  • @task：表示一个离散的工作单元，例如 API 调用或数据处理步骤，可以在入口点内异步执行。任务返回一个类似 future 的对象，可以被等待或同步解析。
from strands.types.content import Message

from langgraph.func import entrypoint, task
import operator

@task
def invoke_strands(messages: list[Message]):
    # 使用现有消息运行智能体；可以用最后一条消息 messages[-1] 调用
    result = agent(messages)
    # 返回结果消息
    return [result.message]

@entrypoint()
def workflow(messages: list[Message], previous: list[Message]):
    messages = operator.add(previous or [], messages)
    response = invoke_strands(messages).result()
    return entrypoint.final(value=response, save=operator.add(messages, response))

​
3. 使用 OpenTelemetry 设置追踪

在您的环境变量中，设置以下内容： 
# 关闭 LangSmith 默认追踪，因为我们只想使用 OpenTelemetry 进行追踪
LANGSMITH_TRACING=false

OTEL_EXPORTER_OTLP_ENDPOINT = "https://api.smith.langchain.com/otel/"

OTEL_EXPORTER_OTLP_HEADERS = "x-api-key=your-langsmith-api-key,Langsmith-Project=your-tracing-project-name"
如果您是自托管 LangSmith，请将 OTEL_EXPORTER_OTLP_ENDPOINT 端点替换为您的 LangSmith API 端点并附加 /api/v1/otel。例如：OTEL_EXPORTER_OTLP_ENDPOINT = "https://ai-company.com/api/v1/otel"
Strand 的 OTel 追踪包含同步代码。在这种情况下，您可能需要设置 BG_JOB_ISOLATED_LOOPS=true，以便在与服务 API 事件循环分离的隔离事件循环中执行后台运行。这仅防止健康检查失败；同步追踪代码在负载下仍会降低吞吐量和尾部延迟。有关推荐的异步替代方案，请参阅 BG_JOB_ISOLATED_LOOPS。
在您的主智能体中，设置以下内容： 
from strands.telemetry import StrandsTelemetry

strands_telemetry = StrandsTelemetry()
strands_telemetry.setup_otlp_exporter()
strands_telemetry.setup_meter()

​
4. 准备部署

从这里开始，要部署到 LangSmith，请创建如下文件结构： 
my-strands-agent/
├── agent.py          # 您的主智能体代码
├── requirements.txt  # Python 依赖项
└── langgraph.json   # LangGraph 配置
要部署您的智能体，请遵循部署到云指南。
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。