运行本地服务器

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：

LangSmith 的 API 密钥 - 免费注册

1. 安装 LangGraph CLI

# 需要 Python >= 3.11。
pip install -U "langgraph-cli[inmem]"

# 需要 Python >= 3.11。
uv add "langgraph-cli[inmem]"

2. 创建 LangGraph 应用

从 new-langgraph-project-python 模板创建一个新应用。此模板演示了一个单节点应用程序，您可以使用自己的逻辑进行扩展。

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 .

cd path/to/your/app
uv sync

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：

langgraph dev

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

Safari 兼容性

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：

langgraph dev --tunnel

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：

部署快速入门：使用 LangSmith 部署您的 LangGraph 应用程序。
LangSmith：了解 LangSmith 的基础概念。
SDK 参考：探索 SDK API 参考。

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。

Get started

Capabilities

Production

Frontend

LangGraph APIs

前提条件

1. 安装 LangGraph CLI

2. 创建 LangGraph 应用

3. 安装依赖项

4. 创建 `.env` 文件

5. 启动 Agent 服务器

6. 在 Studio 中测试您的应用程序

7. 测试 API

后续步骤

​前提条件

​1. 安装 LangGraph CLI

​2. 创建 LangGraph 应用

​3. 安装依赖项

​4. 创建 .env 文件

​5. 启动 Agent 服务器

​6. 在 Studio 中测试您的应用程序

​7. 测试 API

​后续步骤

前提条件

1. 安装 LangGraph CLI

2. 创建 LangGraph 应用

3. 安装依赖项

4. 创建 `.env` 文件

5. 启动 Agent 服务器

6. 在 Studio 中测试您的应用程序

7. 测试 API

后续步骤