本指南向您展示如何在本地运行 LangGraph 应用程序。
前提条件 开始之前，请确保您已具备以下条件：
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
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，将会出现一个交互式菜单，允许您从可用模板列表中进行选择。
3. 安装依赖项 在新的 LangGraph 应用根目录中，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 您将在新的 LangGraph 应用根目录中找到一个 .env.example 文件。在新的 LangGraph 应用根目录中创建一个 .env 文件，并将 .env.example 文件的内容复制到其中，填写必要的 API 密钥：
LANGSMITH_API_KEY = lsv2...
5. 启动 Agent 服务器 在本地启动 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 Docs: http://127.0.0.1:2024/docs This in-memory server is designed for development and testing. For production use, please use LangSmith Deployment.
langgraph dev 命令以内存模式启动 Agent 服务器。此模式适用于开发和测试目的。对于生产用途，请部署具有持久化存储后端访问权限的 Agent 服务器。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 是一个专用的用户界面，您可以将其连接到 LangGraph API 服务器，以在本地可视化、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
对于在自定义主机/端口上运行的 Agent 服务器，请更新 URL 中的 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 标志与您的命令一起创建安全隧道，因为 Safari 在连接到 localhost 服务器时存在限制： 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" : "What is LangGraph?" , }], }, ): print ( f "Receiving new event of type: { 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" : "What is LangGraph?" , }], }, stream_mode = "messages-tuple" , ): print ( f "Receiving new event of type: { 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 \" : \" What is LangGraph? \" } ] }, \" stream_mode \" : \" messages-tuple \" }"
后续步骤 现在您已经在本地运行了 LangGraph 应用程序，可以通过探索部署和高级功能来进一步深入：
将这些文档 通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
