应用结构

要在 LangSmith 上部署，一个应用必须包含一个或多个图、一个配置文件 (langgraph.json)、一个指定依赖项的文件，以及一个可选的定义环境变量的 .env 文件。

本页解释了 LangSmith 应用是如何组织的，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：

1. 一个配置文件 (langgraph.json)，用于指定应用所需的依赖项、图和环境变量。
2. 实现应用逻辑的图。
3. 一个指定运行应用所需的依赖项的文件。
4. 应用运行所需的环境变量。

框架无关

LangSmith Deployment 支持部署 LangGraph 的_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中实现并部署到 LangSmith Deployment 上。这使得您能够在不使用额外 LangGraph OSS APIs 的情况下实现核心应用逻辑，同时仍使用 LangSmith 进行 部署、扩展和 可观测性。如需了解更多详情，请参阅 使用任何框架与 LangSmith Deployment。

文件结构

以下是 Python 和 JavaScript 应用的目录结构示例：

Python (requirements.txt)

my-app/
├── my_agent # 所有项目代码位于此处
│   ├── utils # 图的工具函数
│   │   ├── __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 配置文件

Python (pyproject.toml)

my-app/
├── my_agent # 所有项目代码位于此处
│   ├── utils # 图的工具函数
│   │   ├── __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 配置文件
└── pyproject.toml # 项目依赖项

JS (package.json)

my-app/
├── src # 所有项目代码位于此处
│   ├── utils # 可选的图工具函数
│   │   ├── 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 配置文件

应用的目录结构可能因编程语言和使用的包管理器而异。

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 默认使用当前目录下的配置文件 langgraph.json。

示例

Python

• 依赖项涉及一个自定义的本地包和 langchain_openai 包。
• 将从文件 ./your_package/your_file.py 中加载一个图，变量名为 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"
}

JavaScript

• 依赖项将从本地目录的依赖文件（例如 package.json）加载。
• 将从文件 ./your_package/your_file.js 中加载一个图，函数名为 agent。
• 环境变量 OPENAI_API_KEY 是内联设置的。

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

依赖项

一个应用可能依赖于其他 Python 包或 JavaScript 库（取决于编写应用所使用的编程语言）。

通常，您需要指定以下信息以确保依赖项正确设置：

1. 目录中指定依赖项的文件（例如 requirements.txt、pyproject.toml 或 package.json）。
2. 配置文件 中的 dependencies 键，用于指定运行应用所需的依赖项。
3. 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 键来指定。

图

使用配置文件中的 graphs 键来指定部署的应用中将提供哪些图。

您可以在配置文件中指定一个或多个图。每个图由一个唯一的名称和一个指向 (1) 已编译的图或 (2) 定义图的函数的路径来标识。

在 LangSmith 部署中使用任何框架

虽然 LangSmith 部署要求应用以 LangGraph 图的形式构建，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内使用任何框架或库，同时仍然受益于 LangSmith 的部署基础设施。

图结构充当部署接口，但您的核心应用逻辑可以使用最适合您需求的任何工具和框架。

要使用 LangSmith 部署，您需要：

Python

1. 一个 LangGraph 图结构：使用 StateGraph 以及 add_node 和 add_edge 定义一个图。
2. 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。
3. 一个已编译的图：编译 该图以创建可部署的应用。

以下示例展示了如何将您现有的应用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

# 您现有的使用任何框架的应用逻辑
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。"""
    # 在此处使用任何框架或库
    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

# 为部署而编译
app = graph.compile()

JavaScript

1. 一个 LangGraph 图结构：使用 StateGraph 以及 addNode 和 addEdge 定义一个图。
2. 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。
3. 一个已编译的图：编译 该图以创建可部署的应用。

以下示例展示了如何将您现有的应用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";

// 您现有的使用任何框架的应用逻辑
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) {
  // 在此处使用任何框架或库
  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

// 为部署而编译
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

如果您正在本地处理已部署的 LangGraph 应用，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。

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.