环境搭建

本指南将帮助你使用 uv 和 LangGraph CLI 快速搭建开发环境并初始化项目。

📋 系统要求

• Python: 3.8 或更高版本
• uv: 现代化的 Python 包管理器
• LangGraph CLI: 官方命令行工具

🚀 快速开始

1. 安装 uv

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

# 验证安装
uv --version

2. 安装 LangGraph CLI

# 使用 uv 全局安装
uv tool install langgraph-cli

# 验证安装
langgraph --version

3. 初始化项目

LangGraph CLI 提供了便捷的项目初始化命令：

# 初始化新项目
langgraph init my-agent-project

# 进入项目目录
cd my-agent-project

4. 项目模板选择

LangGraph CLI 支持多种项目模板：

# 基础智能体项目
langgraph init my-agent --template basic

# 多智能体协作项目
langgraph init my-multi-agent --template multi-agent

# RAG（检索增强生成）项目
langgraph init my-rag-agent --template rag

# 工具调用智能体
langgraph init my-tool-agent --template tool-calling

# 查看所有可用模板
langgraph init --list-templates

5. 项目结构

初始化后的项目结构：

my-agent-project/
├── pyproject.toml          # uv 项目配置
├── README.md              # 项目说明
├── .env.example          # 环境变量模板
├── .gitignore           # Git 忽略文件
├── langgraph.json       # LangGraph 配置
├── src/
│   └── my_agent_project/
│       ├── __init__.py
│       ├── agent.py     # 智能体实现
│       ├── graph.py     # 图结构定义
│       └── tools/       # 工具函数
├── tests/              # 测试文件
│   ├── __init__.py
│   └── test_agent.py
└── notebooks/         # Jupyter notebooks

🔧 配置环境

1. 设置环境变量

# 复制环境变量模板
cp .env.example .env

# 编辑环境变量
# .env 文件内容：
OPENAI_API_KEY=your_openai_api_key
LANGCHAIN_TRACING_V2=true
LANGCHAIN_API_KEY=your_langsmith_api_key
LANGCHAIN_PROJECT=my-agent-project

2. 安装依赖

# 使用 uv 安装所有依赖
uv sync

# 只安装生产依赖
uv sync --no-dev

# 添加新依赖
uv add requests httpx
uv add --dev pytest black

🛠️ 开发命令

LangGraph CLI 命令

# 启动开发服务器
langgraph dev

# 运行测试
langgraph test

# 构建项目
langgraph build

# 部署到 LangGraph Cloud
langgraph deploy

# 查看项目状态
langgraph status

# 查看日志
langgraph logs

# 生成新的智能体模块
langgraph generate agent research-agent

# 生成工具模块
langgraph generate tool web-search

uv 命令

# 运行 Python 脚本
uv run python src/my_agent_project/agent.py

# 启动 Jupyter
uv run jupyter notebook

# 运行测试
uv run pytest

# 格式化代码
uv run black src/

# 代码检查
uv run ruff check src/

🔍 验证安装

运行测试确保环境正确：

# 使用 LangGraph CLI 测试
langgraph test

# 或使用 uv 运行测试
uv run pytest tests/

📁 配置文件说明

langgraph.json

LangGraph 项目配置文件：

{
  "name": "my-agent-project",
  "version": "0.1.0",
  "description": "My LangGraph Agent Project",
  "entry_point": "src.my_agent_project.graph:app",
  "dependencies": [
    "langgraph",
    "langchain-openai"
  ],
  "dev_dependencies": [
    "pytest",
    "jupyter"
  ],
  "environment": {
    "python_version": "3.11"
  }
}

pyproject.toml

uv 项目配置文件：

[project]
name = "my-agent-project"
version = "0.1.0"
description = "My LangGraph Agent Project"
dependencies = [
    "langgraph>=0.0.40",
    "langchain-openai>=0.1.0",
    "python-dotenv>=1.0.0"
]

[project.optional-dependencies]
dev = [
    "pytest>=7.0.0",
    "jupyter>=1.0.0",
    "black>=23.0.0",
    "ruff>=0.1.0"
]

[build-system]
requires = ["hatchling"]
build-backend = "hatchling.build"

[tool.uv]
dev-dependencies = [
    "pytest>=7.0.0",
    "jupyter>=1.0.0"
]

🎯 下一步

环境搭建完成后，你可以：

1. 📖 学习 第一个智能体
2. 🔍 了解 图结构概念
3. 🚀 查看 实战案例

💡 提示

• 使用 langgraph dev 启动开发服务器，支持热重载
• 使用 uv run 命令运行脚本，自动管理虚拟环境
• LangGraph CLI 提供了丰富的模板，选择适合你项目的模板
• 定期使用 uv sync 保持依赖同步

---

🚀 快速开始: 运行 langgraph init my-first-agent 创建你的第一个智能体项目！