LangGraph：部署智能应用

智能应用变得越来越重要，从智能客服到个人助手，都在帮助我们更好地完成任务。但开发完这些智能应用后，如何将它们部署到实际环境中，让它们真正发挥作用呢？现在就来聊聊LangGraph如何帮助我们轻松部署智能应用。

LangGraph提供了一套完整的工具，帮助从开发到部署，每一步都轻松搞定。
它支持本地开发和生产部署，还提供了一个可视化的Web界面，更加直观地调试和管理应用。

创建LangGraph项目

首先，你需要创建一个LangGraph项目。这就像为你的智能应用搭建一个“家”。你可以通过简单的命令来创建一个空的LangGraph项目：

pip install -U "langgraph-cli[inmem]"langgraph new ./app --template new-langgraph-project-python

app目录下的模板template文件

命令会在当前目录下创建一个LangGraph项目。可以在这个项目的src/agent/graph.py文件中，添加智能应用代码。比如，你可以添加一个天气查询的功能：

def get_weather(city: str) -> str:"""获取指定城市的天气。"""return f"{city} 的天气总是晴朗！"

然后，可以通过create_react_agent函数，将这个功能集成到智能应用中：

# -*- coding: utf-8 -*-
from langgraph.prebuilt import create_react_agent
from langchain_community.chat_models.tongyi import ChatTongyi# from langchain_community.llms.tongyi import Tongyi
from langgraph_supervisor import create_supervisor#模型初始化
llm = ChatTongyi(model="qwen-max-latest",#qwen-max-latest qwen-plus qwen-turbotemperature=0,verbose=True,)graph = create_react_agent(model=llm,tools=[get_weather],prompt="你是一个乐于助人的助手"
)

安装依赖和配置环境

接下来，需要安装项目依赖。这就像给你的“家”安装必要的家具一样。在项目根目录下，运行以下命令来安装依赖：

pip install -e .

此外，还需要创建一个.env文件，这个文件就像是你“家”的钥匙，里面包含了必要的API密钥等信息。可以从.env.example文件复制并填写必要的信息。

启动LangGraph服务器

现在，一切都准备好了，可以启动LangGraph服务器了。这就像打开你“家”的大门，让别人可以进来参观一样。在项目根目录下，运行以下命令：

langgraph dev

如果一切顺利，LangGraph服务器就会在本地启动。你可以通过浏览器访问一个特定的地址，看到智能应用在运行。

可以使用LangGraph的部署工具，将这个系统部署到生产环境中。这样，就可以随时随地使用这个智能客服系统，获取他们需要的信息。

总结

LangGraph让部署智能应用变得非常简单。从创建项目、安装依赖到启动服务器，每一步都清晰明了。无论是天气查询助手、智能客服还是其他智能应用，LangGraph都能快速将智能体部署到实际环境中，让智能体真正发挥作用，为用户提供便利。