将应用部署到云端

使用 LangGraph CLI 将你的第一个应用程序部署到 LangSmith Cloud。

本快速入门将展示如何使用 langgraph deploy 命令将应用程序部署到 LangSmith Cloud。

如需包含基于 GitHub 的部署和所有配置选项的完整 Cloud 部署指南，请参阅 Cloud 部署设置指南。

langgraph deploy 命令目前处于 测试版。

先决条件

开始之前，请确保你已具备：

• 一个 LangSmith 账户，且订阅了 Plus 或更高版本计划，并拥有一个 API 密钥。

• 已安装并运行 Docker。可通过 docker ps 命令验证。

• 在 Apple Silicon (M1/M2/M3) 上：需要 Docker Buildx 以交叉编译到 linux/amd64。

• 已安装 LangGraph CLI：

  uv tool install langgraph-cli
  

1. 创建 LangGraph 应用

从 new-langgraph-project-python 模板创建一个新应用：

langgraph new path/to/your/app --template new-langgraph-project-python
cd path/to/your/app

不带 --template 参数运行 langgraph new 可以查看可用模板的交互式菜单。

2. 设置你的 API 密钥

将你的 LangSmith API 密钥添加到项目根目录的 .env 文件中：

LANGSMITH_API_KEY=lsv2_...

langgraph deploy 命令会自动读取此文件。或者，也可以内联传递：

LANGSMITH_API_KEY=lsv2_... langgraph deploy

3. 部署

从你的项目目录运行部署命令：

langgraph deploy

默认情况下，这会创建一个名为你的项目目录的 dev 部署。可以使用 --name 或 --deployment-type prod 来覆盖默认设置。

在对代码进行更改后，要更新现有部署，请重新运行 langgraph deploy。它会按名称找到现有部署并就地更新。

你还可以使用 langgraph deploy list 查看所有部署，langgraph deploy logs 来跟踪运行时日志，以及 langgraph deploy delete <ID> 来删除部署。详情请参阅 CLI 参考。

4. 在 Studio 中测试

Studio 是一个直接连接到你的部署的交互式智能体 IDE。你可以用它来发送消息、检查每个节点的中间状态、在运行中编辑状态，以及从任何先前的检查点重放，而无需编写代码。

部署准备就绪后：

1. 前往 LangSmith，在左侧边栏中选择 Deployments。
2. 选择你的部署以查看其详细信息。
3. 点击右上角的 Studio 以打开 Studio。

5. 测试 API

从部署详情页面复制 API URL，然后使用它来调用你的应用程序：

Python SDK (异步)

1. 安装 LangGraph Python SDK：
   pip install langgraph-sdk
   
2. 向助手发送消息（无状态运行）：
   from langgraph_sdk import get_client
   
   client = get_client(url="your-deployment-url", api_key="your-langsmith-api-key")
   
   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": "什么是 LangGraph？",
           }],
       },
       stream_mode="updates",
   ):
       print(f"接收到类型为 {chunk.event} 的新事件...")
       print(chunk.data)
       print("\n\n")
   

Python SDK (同步)

1. 安装 LangGraph Python SDK：
   pip install langgraph-sdk
   
2. 向助手发送消息（无线程运行）：
   from langgraph_sdk import get_sync_client
   
   client = get_sync_client(url="your-deployment-url", api_key="your-langsmith-api-key")
   
   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": "什么是 LangGraph？",
           }],
       },
       stream_mode="updates",
   ):
       print(f"接收到类型为 {chunk.event} 的新事件...")
       print(chunk.data)
       print("\n\n")
   

JavaScript SDK

1. 安装 LangGraph JS SDK：
   npm install @langchain/langgraph-sdk
   
2. 向助手发送消息（无线程运行）：
   const { Client } = await import("@langchain/langgraph-sdk");
   
   const client = new Client({ apiUrl: "your-deployment-url", apiKey: "your-langsmith-api-key" });
   
   const streamResponse = client.runs.stream(
       null, // 无线程运行
       "agent", // 助手 ID
       {
           input: {
               "messages": [
                   { "role": "user", "content": "什么是 LangGraph？"}
               ]
           },
           streamMode: "messages",
       }
   );
   
   for await (const chunk of streamResponse) {
       console.log(`接收到类型为 ${chunk.event} 的新事件...`);
       console.log(JSON.stringify(chunk.data));
       console.log("\n\n");
   }
   

Rest API

curl -s --request POST \
    --url <DEPLOYMENT_URL>/runs/stream \
    --header 'Content-Type: application/json' \
    --header "X-Api-Key: <LANGSMITH API KEY>" \
    --data "{
        \"assistant_id\": \"agent\",
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"什么是 LangGraph？\"
                }
            ]
        },
        \"stream_mode\": \"updates\"
    }"

后续步骤

助手

为每个助手部署具有不同模型、提示词或工具的相同图。

线程

在多次运行间持久化状态，使你的智能体能在交互间记住上下文。

运行

为长时间运行的任务启动后台运行，并将结果流式传输回你的客户端。

---

Edit this page on GitHub or file an issue.

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