如何使用 requirements.txt 设置 LangGraph 应用¶

LangGraph 应用必须通过 LangGraph 配置文件进行配置，才能部署到 LangGraph Platform（或进行自托管）。本指南将介绍如何使用 requirements.txt 来指定项目依赖项，从而设置一个 LangGraph 应用以进行部署。

本教程基于此仓库，您可以尝试使用它来进一步了解如何设置您的 LangGraph 应用以进行部署。

使用 pyproject.toml 设置

如果您偏好使用 poetry 进行依赖管理，请查看这篇关于使用 pyproject.toml 设置 LangGraph Platform 的操作指南。

使用 Monorepo 设置

如果您有兴趣部署位于 monorepo 中的图，请查看此仓库以了解如何操作的示例。

最终的仓库结构将如下所示：

my-app/
├── my_agent # 所有项目代码都放在这里
│   ├── utils # 图的工具集
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── requirements.txt # 包依赖
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
└── langgraph.json # LangGraph 的配置文件

在每个步骤之后，都会提供一个示例文件目录，以展示如何组织代码。

指定依赖项¶

依赖项可以选择性地在以下任一文件中指定：pyproject.toml、setup.py 或 requirements.txt。如果未创建这些文件中的任何一个，则可以在后面的 LangGraph 配置文件中指定依赖项。

下面的依赖项将包含在镜像中，您也可以在代码中使用它们，只要版本范围兼容即可：

langgraph>=0.3.27
langgraph-sdk>=0.1.66
langgraph-checkpoint>=2.0.23
langchain-core>=0.2.38
langsmith>=0.1.63
orjson>=3.9.7,<3.10.17
httpx>=0.25.0
tenacity>=8.0.0
uvicorn>=0.26.0
sse-starlette>=2.1.0,<2.2.0
uvloop>=0.18.0
httptools>=0.5.0
jsonschema-rs>=0.20.0
structlog>=24.1.0
cloudpickle>=3.0.0

示例 requirements.txt 文件：

langgraph
langchain_anthropic
tavily-python
langchain_community
langchain_openai

示例文件目录：

my-app/
├── my_agent # 所有项目代码都放在这里
│   └── requirements.txt # 包依赖

指定环境变量¶

环境变量可以选择性地在文件中指定（例如 .env）。请参阅环境变量参考来为部署配置其他变量。

示例 .env 文件：

MY_ENV_VAR_1=foo
MY_ENV_VAR_2=bar
OPENAI_API_KEY=key

示例文件目录：

my-app/
├── my_agent # 所有项目代码都放在这里
│   └── requirements.txt # 包依赖
└── .env # 环境变量

定义图¶

实现您的图！图可以定义在单个文件中或多个文件中。请注意要包含在 LangGraph 应用中的每个 CompiledStateGraph 的变量名。在创建 LangGraph 配置文件时将使用这些变量名。

示例 agent.py 文件，展示了如何从您定义的其他模块导入（模块的代码未在此显示，请参阅此仓库查看其实现）：

^{API Reference: StateGraph | END | START}

# my_agent/agent.py
from typing import Literal
from typing_extensions import TypedDict

from langgraph.graph import StateGraph, END, START
from my_agent.utils.nodes import call_model, should_continue, tool_node # 导入节点
from my_agent.utils.state import AgentState # 导入状态

# 定义配置
class GraphConfig(TypedDict):
    model_name: Literal["anthropic", "openai"]

workflow = StateGraph(AgentState, config_schema=GraphConfig)
workflow.add_node("agent", call_model)
workflow.add_node("action", tool_node)
workflow.add_edge(START, "agent")
workflow.add_conditional_edges(
    "agent",
    should_continue,
    {
        "continue": "action",
        "end": END,
    },
)
workflow.add_edge("action", "agent")

graph = workflow.compile()

示例文件目录：

my-app/
├── my_agent # 所有项目代码都放在这里
│   ├── utils # 图的工具集
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── requirements.txt # 包依赖
│   ├── __init__.py
│   └── agent.py # 构建图的代码
└── .env # 环境变量

创建 LangGraph 配置文件¶

创建一个名为 langgraph.json 的 LangGraph 配置文件。有关配置文件中每个键的详细说明，请参阅 LangGraph 配置文件参考。

示例 langgraph.json 文件：

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

请注意，CompiledGraph 的变量名出现在配置文件的顶层 graphs 键的每个子键的值的末尾（即 :<variable_name>）。

配置文件位置

LangGraph 配置文件必须放置在与包含已编译图和相关依赖项的 Python 文件相同级别或更高级别的目录中。

示例文件目录：

my-app/
├── my_agent # 所有项目代码都放在这里
│   ├── utils # 图的工具集
│   │   ├── __init__.py
│   │   ├── tools.py # 图的工具
│   │   ├── nodes.py # 图的节点函数
│   │   └── state.py # 图的状态定义
│   ├── requirements.txt # 包依赖
│   ├── __init__.py
│   └── agent.py # 构建图的代码
├── .env # 环境变量
└── langgraph.json # LangGraph 的配置文件

下一步¶

在设置好项目并将其放入 GitHub 仓库后，就可以开始部署您的应用了。