部署
当 LangChain 智能体准备好上线时,LangSmith 提供了一个面向 Agent 工作负载的托管平台。传统托管服务通常是为 无状态、短生命周期 的 Web 应用设计的,而 LangGraph 天生是为 有状态、长时运行、需要持久化状态与后台执行的 Agent 而生。LangSmith 会接管基础设施、扩缩容和运维相关的事务,让你可以直接从 Git 仓库部署。
前置准备
开始前请确认:
- 一个 GitHub 账号
- 一个 LangSmith 账号(可免费注册)
小贴士:建议先按 [LangGraph Studio](/tutorials/LangChain/LangGraph Studio) 的本地 Agent Server 指南把应用跑通,再做部署。
部署你的 Agent
1. 在 GitHub 上创建仓库
要部署到 LangSmith,你的应用代码必须放在一个 GitHub 仓库里——公开或私有仓库都支持。先把代码 push 到仓库。
2. 部署到 LangSmith
- 进入 Deployment 页面:登录 LangSmith,在左侧边栏选择 Deployments
- 新建部署:点击 + New Deployment 按钮,右侧会弹出填写表单
- 关联仓库:如果是首次使用,或要添加此前未连接的私有仓库,点击 Add new account,按提示连接 GitHub 账号
- 部署仓库:选择应用对应的仓库,点击 Submit 开始部署
注意:首次部署大约需要 15 分钟。可以在 Deployment details 视图查看进度。
3. 在 Studio 中测试应用
部署完成后:
- 点击刚创建的 deployment 查看详情
- 点击右上角的 Studio 按钮,Studio 会打开并展示你的图
4. 获取部署的 API URL
在 LangGraph 的 Deployment details 视图中,点击 API URL 即可复制到剪贴板。
5. 测试 API
JavaScript
先安装 LangGraph JS SDK:
npm install @langchain/langgraph-sdk然后给 Agent 发一条消息:
const { Client } = await import("@langchain/langgraph-sdk");
const client = new Client({
apiUrl: "your-deployment-url",
apiKey: "your-langsmith-api-key",
});
const streamResponse = client.runs.stream(
null, // Threadless run
"agent", // Name of agent. Defined in langgraph.json.
{
input: {
messages: [
{ role: "user", content: "What is LangGraph?" },
],
},
streamMode: "messages",
}
);
for await (const chunk of streamResponse) {
console.log(`Receiving new event of type: ${chunk.event}...`);
console.log(JSON.stringify(chunk.data));
console.log("\n\n");
}REST API
也可以直接用 curl 调用:
curl -s --request POST \
--url <DEPLOYMENT_URL>/runs/stream \
--header 'Content-Type: application/json' \
--header "X-Api-Key: <LANGSMITH API KEY>" \
--data "{
\"assistant_id\": \"agent\",
\"input\": {
\"messages\": [
{
\"role\": \"human\",
\"content\": \"What is LangGraph?\"
}
]
},
\"stream_mode\": \"updates\"
}"代码要点:
assistant_id就是langgraph.json里graphs字段对应的 key。stream_mode可选messages、updates等多种模式,根据前端需要选择。
其他托管方式
除了 SaaS 托管,LangSmith 还提供 自托管(self-hosted) 和 混合(hybrid) 方案。更多细节请参考官方的 Platform setup overview。
小结
把本地跑通的 Agent 推到 GitHub,几分钟内就能部署到 LangSmith;再配合 可观测性 和 [UI 集成](/tutorials/LangChain/UI 集成),你就拥有了一个完整可监控、可交互的生产级 Agent 应用。
本文基于 LangChain 官方文档 翻译并二次创作。