LangSmith Studio

在本地使用 LangChain 构建智能体时，可视化智能体内部发生的情况、实时与其交互并在问题出现时进行调试非常有帮助。LangSmith Studio 是一个免费的可视化界面，用于从您的本地机器开发和测试 LangChain 智能体。

Studio 连接到您本地运行的智能体，向您展示智能体执行的每一步：发送给模型的提示、工具调用及其结果，以及最终输出。您可以测试不同的输入，检查中间状态，并在无需额外代码或部署的情况下迭代智能体的行为。

本文档介绍了如何为您的本地 LangChain 智能体设置 Studio。

前置条件

开始之前，请确保您拥有以下内容：

• 一个 LangSmith 账户：在 smith.langchain.com 注册（免费）或登录。
• 一个 LangSmith API 密钥：遵循 创建 API 密钥 指南。
• 如果您不希望数据被 追踪 到 LangSmith，请在应用程序的 .env 文件中设置 LANGSMITH_TRACING=false。禁用追踪后，没有数据会离开您的本地服务器。

设置本地 Agent 服务器

1. 安装 LangGraph CLI

LangGraph CLI 提供了一个本地开发服务器（也称为 Agent Server），它将您的智能体连接到 Studio。

# Python >= 3.11 is required.
pip install --upgrade "langgraph-cli[inmem]"

2. 准备您的智能体

如果您已经有 LangChain 智能体，可以直接使用它。此示例使用一个简单的邮件智能体：

agent.py

from langchain.agents import create_agent

def send_email(to: str, subject: str, body: str):
    """Send an email"""
    email = {
        "to": to,
        "subject": subject,
        "body": body
    }
    # ... email sending logic

    return f"Email sent to {to}"

agent = create_agent(
    "gpt-5.2",
    tools=[send_email],
    system_prompt="You are an email assistant. Always use the send_email tool.",
)

3. 环境变量

Studio 需要 LangSmith API 密钥来连接您的本地智能体。在项目的根目录创建一个 .env 文件，并从 LangSmith 添加您的 API 密钥。

确保您的 .env 文件未提交到版本控制系统，例如 Git。

.env

LANGSMITH_API_KEY=lsv2...

4. 创建 LangGraph 配置文件

LangGraph CLI 使用配置文件来定位您的智能体并管理依赖项。在应用的目录中创建一个 langgraph.json 文件：

langgraph.json

{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.py:agent"
  },
  "env": ".env"
}

The create_agent function automatically returns a compiled LangGraph graph, which is what the graphs key expects in the configuration file.

For detailed explanations of each key in the JSON object of the configuration file, refer to the LangGraph configuration file reference.

At this point, the project structure will look like this:

my-app/
├── src
│   └── agent.py
├── .env
└── langgraph.json

5. 安装依赖项

从根目录安装您的项目依赖项：

pip

pip install langchain langchain-openai

6. 在 Studio 中查看您的智能体

启动开发服务器以将您的智能体连接到 Studio：

langgraph dev

Safari 阻止对 Studio 的 localhost 连接。要解决此问题，请运行上述命令并加上 --tunnel 参数，通过安全隧道访问 Studio。

Once the server is running, your agent is accessible both via API at http://127.0.0.1:2024 and through the Studio UI at https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024:

With Studio connected to your local agent, you can iterate quickly on your agent’s behavior. Run a test input, inspect the full execution trace including prompts, tool arguments, return values, and token/latency metrics. When something goes wrong, Studio captures exceptions with the surrounding state to help you understand what happened.

The development server supports hot-reloading—make changes to prompts or tool signatures in your code, and Studio reflects them immediately. Re-run conversation threads from any step to test your changes without starting over. This workflow scales from simple single-tool agents to complex multi-node graphs.

For more information on how to run Studio, refer to the following guides in the LangSmith docs:

• 运行应用程序
• 管理助手
• 管理线程
• 迭代提示
• 调试 LangSmith 跟踪
• 向数据集添加节点

视频指南

有关本地和已部署代理的更多信息，请参阅设置本地代理服务器和部署。

---

Edit this page on GitHub or file an issue.

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