主题
一个应用程序必须配置一个配置文件才能部署到 LangSmith（或进行自托管）。本操作指南讨论了使用 requirements.txt 指定项目依赖项来设置应用程序进行部署的基本步骤。
此示例基于此仓库，该仓库使用 LangGraph 框架。
最终的仓库结构将类似于这样：
bash
my-app/
├── my_agent # 所有项目代码都在这里
│ ├── utils # 你的图的实用工具
│ │ ├── __init__.py
│ │ ├── tools.py # 你的图的工具
│ │ ├── nodes.py # 你的图的节点函数
│ │ └── state.py # 你的图的状态定义
│ ├── requirements.txt # 包依赖项
│ ├── __init__.py
│ └── agent.py # 构建你的图的代码
├── .env # 环境变量
└── langgraph.json # LangGraph 的配置文件LangSmith Deployment 支持部署 LangGraph 图。然而，图的_节点_实现可以包含任意代码。这意味着任何框架都可以在节点内实现并部署在 LangSmith Deployment 上。这使您能够在不使用额外 LangGraph OSS API 的情况下实现核心应用逻辑，同时仍可利用 LangSmith 进行部署、扩展和可观测性。更多详细信息，请参阅在 LangSmith Deployment 中使用任何框架。
你也可以通过以下方式设置：
pyproject.toml：如果你更喜欢使用 poetry 进行依赖管理，请查看关于在 LangSmith 中使用pyproject.toml的此操作指南。- 单体仓库（monorepo）：如果你有兴趣部署位于单体仓库内的图，请查看此仓库以获取示例。
每个步骤之后，都会提供一个示例文件目录，以演示代码的组织方式。
指定依赖项
依赖项可以选择性地在以下文件之一中指定：pyproject.toml、setup.py 或 requirements.txt。如果这些文件都没有创建，那么依赖项可以在稍后的配置文件中指定。
以下依赖项将包含在镜像中，只要版本范围兼容，你也可以在代码中使用它们：
langgraph>=0.4.10,<2
langgraph-sdk>=0.2.0
langgraph-checkpoint>=3.0.1,<5
langchain-core>=0.3.64
langsmith>=0.3.45
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
truststore>=0.1
protobuf>=6.32.1,<7.0.0
grpcio>=1.75.0,<2.0.0
grpcio-tools>=1.75.0,<2.0.0
grpcio-health-checking>=1.75.0,<2.0.0示例 requirements.txt 文件：
langgraph
langchain_anthropic
tavily-python
langchain_community
langchain_openai示例文件目录：
bash
my-app/
├── my_agent # 所有项目代码都在这里
│ └── requirements.txt # 包依赖项指定环境变量
环境变量可以选择性地在一个文件（例如 .env）中指定。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：
bash
my-app/
├── my_agent # 所有项目代码都在这里
│ └── requirements.txt # 包依赖项
└── .env # 环境变量默认情况下，LangSmith 遵循 uv/pip 的行为，即不安装预发布版本，除非明确允许。如果你想使用预发布版本，有以下选项：
- 使用
pyproject.toml：在你的[tool.uv]部分添加allow-prereleases = true。 - 使用
requirements.txt或setup.py：你必须明确指定每个预发布依赖项，包括传递性依赖项。例如，如果你声明了a==0.0.1a1并且a依赖于b==0.0.1a1，那么你也必须在你的依赖项中明确包含b==0.0.1a1。
定义图
实现你的图。图可以在单个文件或多个文件中定义。请注意要包含在应用程序中的每个 <a href="https://reference.langchain.com/python/langgraph/graphs/#langgraph.graph.state.CompiledStateGraph" target="_blank" rel="noreferrer" class="link">CompiledStateGraph</a> 的变量名。这些变量名将在稍后创建 LangGraph 配置文件时使用。
示例 agent.py 文件，展示了如何从你定义的其他模块导入（此处未显示模块的代码，请查看此仓库以查看其实现）：
python
# 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
# 定义运行时上下文
class GraphContext(TypedDict):
model_name: Literal["anthropic", "openai"]
workflow = StateGraph(AgentState, context_schema=GraphContext)
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：
bash
my-app/
├── my_agent # 所有项目代码都在这里
│ ├── utils # 你的图的实用工具
│ │ ├── __init__.py
│ │ ├── tools.py # 你的图的工具
│ │ ├── nodes.py # 你的图的节点函数
│ │ └── state.py # 你的图的状态定义
│ ├── requirements.txt # 包依赖项
│ ├── __init__.py
│ └── agent.py # 构建你的图的代码
└── .env # 环境变量创建配置文件
创建一个名为 langgraph.json 的配置文件。有关配置文件的 JSON 对象中每个键的详细说明，请参阅配置文件参考。
示例 langgraph.json 文件：
json
{
"dependencies": ["./my_agent"],
"graphs": {
"agent": "./my_agent/agent.py:graph"
},
"env": ".env"
}请注意，CompiledGraph 的变量名出现在顶级 graphs 键的每个子键值的末尾（即 :<variable_name>）。
配置文件位置 配置文件必须放置在与包含已编译图及其相关依赖项的 Python 文件同级或更高级别的目录中。
示例文件目录：
bash
my-app/
├── my_agent # 所有项目代码都在这里
│ ├── utils # 你的图的实用工具
│ │ ├── __init__.py
│ │ ├── tools.py # 你的图的工具
│ │ ├── nodes.py # 你的图的节点函数
│ │ └── state.py # 你的图的状态定义
│ ├── requirements.txt # 包依赖项
│ ├── __init__.py
│ └── agent.py # 构建你的图的代码
├── .env # 环境变量
└── langgraph.json # LangGraph 的配置文件下一步
设置好项目并将其放入 GitHub 仓库后，就可以部署你的应用了。