> ## Documentation Index
> Fetch the complete documentation index at: https://vectorpeak.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# LangGraph Ecosystem

> 介绍 LangGraph 生态工具的协作方式

## 1. LangGraph全家桶使用

<Badge icon="clock" color="green">Written: 2026.06</Badge>

## 2. 全家桶组件介绍

### 2.1 LangGraph

### 2.2 LangSmith

平台化工具，用于 调试、观测、评估 LangChain / LangGraph 应用。可以记录运行轨迹、比较不同版本、做回放和质量评估

### 2.3 LangGraph Studio

一个 可视化 IDE，支持拖拽式创建/修改 LangGraph 流程，实时运行和调试节点逻辑。对非纯代码开发者特别友好

### 2.4 LangGraph CLI

命令行工具，用来 初始化项目、运行、部署 LangGraph 应用。比如 `langgraph dev` 本地调试，`langgraph deploy` 一键上云

### 2.5 Agent Chat UI

一个现成的 聊天前端(React + Tailwind)，直接对接 LangGraph Agent 服务，用来展示对话、思维链、工具调用等

> LangGraph 提供了开发框架，LangSmith 做监控和评估，Studio 做可视化构建，CLI 管理项目和部署，Agent Chat UI 提供用户界面 —— 一套从开发到调试、部署、交互的完整闭环

## 3. 创建LangGraph智能体项目

### 3.1 创建项目

使用 uv 工具创建一个 langgraph 项目，uv 具体使用可参考文档：[https://www.cuiliangblog.cn/detail/section/228701279](https://www.cuiliangblog.cn/detail/section/228701279)

### 3.2 注册LangSmith

为了更好的监控智能体实时运行情况，我们可以考虑借助LangSmith进行追踪(会将智能体运行情况实时上传到LangGraph官网并进行展示)。具体使用可参考文档：[https://www.cuiliangblog.cn/detail/section/229848724](https://www.cuiliangblog.cn/detail/section/229848724)

### 3.3 创建相关文件

```text title="环境变量配置(.env)示例" icon="file" wrap theme={null}
LANGSMITH_TRACING="true"
LANGSMITH_ENDPOINT="https://api.smith.langchain.com"
LANGSMITH_API_KEY='你注册的langsmith api key'
LANGSMITH_PROJECT='你注册的项目名称'
OPENWEATHER_API_KEY="天气助手API KEY"
```

```python title="自定义工具函数(tools.py)示例" icon="python" wrap expandable theme={null}
import json
import os
import httpx
import dotenv
from loguru import logger
from pydantic import Field, BaseModel
from langchain_core.tools import tool

# 加载环境变量配置
dotenv.load_dotenv()

class WeatherQuery(BaseModel):
    """
    天气查询参数模型类，用于定义天气查询工具的输入参数结构。

    :param city: 城市名称，字符串类型，表示要查询天气的城市
    """
    city: str = Field(description="城市名称")

class WriteQuery(BaseModel):
    """
    写入查询模型类

    用于定义需要写入文档的内容结构，继承自BaseModel基类

    属性:
        content (str): 需要写入文档的具体内容，包含详细的描述信息
    """
    content: str = Field(description="需要写入文档的具体内容")

@tool(args_schema=WeatherQuery)
def get_weather(city):
    """
    查询指定城市的即时天气信息。

    :param city: 必要参数，字符串类型，表示要查询天气的城市名称。
                 注意：中国城市需使用其英文名称，如 "Beijing" 表示北京。
    :return: 返回 OpenWeather API 的响应结果，URL 为
             https://api.openweathermap.org/data/2.5/weather。
             响应内容为 JSON 格式的字符串，包含详细的天气数据。
    """
    # 构建请求 URL
    url = "https://api.openweathermap.org/data/2.5/weather"

    # 设置查询参数
    params = {
        "q": city,  # 城市名称
        "appid": os.getenv("OPENWEATHER_API_KEY"),  # 从环境变量中读取 API Key
        "units": "metric",  # 使用摄氏度作为温度单位
        "lang": "zh_cn"  # 返回简体中文的天气描述
    }

    # 发送 GET 请求并获取响应
    response = httpx.get(url, params=params)

    # 将响应解析为 JSON 并序列化为字符串返回
    data = response.json()
    logger.info(f"查询天气结果：{json.dumps(data)}")
    return json.dumps(data)

@tool(args_schema=WriteQuery)
def write_file(content):
    """
    将指定内容写入本地文件

    参数:
        content (str): 要写入文件的文本内容

    返回值:
        str: 表示写入操作成功完成的提示信息
    """
    # 将内容写入res.txt文件，使用utf-8编码确保中文字符正确保存
    with open('res.txt', 'w', encoding='utf-8') as f:
        f.write(content)
        logger.info(f"已成功写入本地文件，写入内容：{content}")
        return "已成功写入本地文件。"
```

```python title="主程序(main.py)示例" icon="python" wrap theme={null}
from langchain_ollama import ChatOllama
from tools import get_weather, write_file
from langgraph.prebuilt import create_react_agent

# 初始化本地大语言模型，配置基础URL、模型名称和推理模式
llm = ChatOllama(base_url="http://localhost:11434", model="deepseek-r1:8b", reasoning=False)

# 定义工具列表，包含天气查询、写入文件工具
tools = [get_weather, write_file]

# 创建ReAct代理，结合语言模型和工具函数
agent = create_react_agent(model=llm, tools=tools)

```

```json title="LangGraph 配置文件(langgraph.json)示例" icon="file" wrap theme={null}
{
  "dependencies": [
    "./"
  ],
  "graphs": {
    "chatbot": "./main.py:agent"
  },
  "env": ".env"
}
```

`dependencies`: 依赖路径数组，“./”: 表示当前目录为依赖源

`graphs`: 执行图配置对象，chatbot: 图名称，对应./main.py文件中的agent函数作为聊天机器人入口点

`env`: 环境变量配置文件路径，“.env”: 指定使用当前目录下的.env文件作为环境变量配置源 \*/

### 3.4 安装langgraph-cli 并启动项目

执行`pip install -U "langgraph-cli[inmem]"`命令安装langgraph-cli 工具

执行`langgraph dev`命令启动项目，启动之后可以看到三个链接，第一个链接是当前部署完成后的服务端口，第二个是LangGraph Studio的可视化页面，其中第三个端口是端口的说明文档

```console title="执行结果如下" icon="terminal" wrap theme={null}
# langgraph dev
INFO:langgraph_api.cli:

        Welcome to

╦  ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬
║  ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤
╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴  ┴ ┴

- 🚀 API: http://127.0.0.1:2024
- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 📚 API Docs: http://127.0.0.1:2024/docs

This in-memory server is designed for development and testing.
For production use, please use LangGraph Platform.
```

## 4. 全家桶使用

### 4.1 查看接口文档

访问[http://127.0.0.1:2024/docs](http://127.0.0.1:2024/docs)即可查看接口文档

<Frame caption="运行界面截图">
  <img src="https://api.cuiliangblog.cn/v1/public/imgProxy/?url=https://cdn.nlark.com/yuque/0/2025/png/2308212/1758202778275-5d5e83e3-bbdc-4bad-8e39-ddab356e89dc.png" alt="运行界面截图" />
</Frame>

### 4.2 LangGraph Studio 可视化调试

访问[https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024](https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024)既可在 web 页面调试

<Frame caption="运行界面截图">
  <img src="https://api.cuiliangblog.cn/v1/public/imgProxy/?url=https://cdn.nlark.com/yuque/0/2025/png/2308212/1758203523646-a1049ed6-d7a4-4058-b89e-21514bb29c48.png" alt="运行界面截图" />
</Frame>

### 4.3 LangSmith 追踪

点击`LangGraph Studio`侧边栏的`Tracing Projects`按钮，然后点击我们的项目`langgraph_studio_chatbot`，可以看到LangSmith的调试记录:

<Frame caption="运行界面截图">
  <img src="https://api.cuiliangblog.cn/v1/public/imgProxy/?url=https://cdn.nlark.com/yuque/0/2025/png/2308212/1758203607004-2c5ba0ef-c73c-4175-bb25-74d45a97900e.png" alt="运行界面截图" />
</Frame>

### 4.4 Agent Chat UI 前端交互

除了使用LangGraph Studio 调试交互外，我们也可以使用Agent Chat UI 进行交互，项目主页：[https://github.com/langchain-ai/agent-chat-ui](https://github.com/langchain-ai/agent-chat-ui)。项目提供本地部署和在线使用两种方式，为方便调试，此处以在线使用为例演示

访问[https://agentchat.vercel.app/](https://agentchat.vercel.app/)，填写相关信息

<Frame caption="运行界面截图">
  <img src="https://api.cuiliangblog.cn/v1/public/imgProxy/?url=https://cdn.nlark.com/yuque/0/2025/png/2308212/1758338510167-e2c42c1e-69c3-4958-82c1-2a6b357ed86c.png" alt="运行界面截图" />
</Frame>

聊天测试进行功能验证

<Frame caption="运行界面截图">
  <img src="https://api.cuiliangblog.cn/v1/public/imgProxy/?url=https://cdn.nlark.com/yuque/0/2025/png/2308212/1758338599006-ff471e09-9010-4d22-af62-c7536edb98fa.png" alt="运行界面截图" />
</Frame>