在我的上一篇文章中，我向您介绍了使用 LangGraph 构建 AI 代理的过程，其中我们探讨了如何创建能够管理复杂、多步骤任务的智能、适应性强的 AI 系统。我们使用节点来表示单独的操作或计算，将它们与边连接起来以控制决策流程，并依靠状态来维护整个交互过程中的上下文。这使我们能够构建一个人工智能代理来计算太阳能电池板的潜在节能效果，展示 LangGraph 如何帮助开发人员创建动态响应用户输入的实际应用程序。
今天，我想更进一步，介绍一个新工具，使 AI 代理开发更加高效：LangGraph Studio。这是第一个专门用于可视化、测试和调试基于 LangChain 的 AI 代理而构建的集成开发环境 (IDE)。在这篇文章中，我们将深入探讨 LangGraph Studio 的功能、它如何简化开发流程，以及为什么它是希望轻松创建智能、适应性强的系统的开发人员的必备工具。
LangGraph Studio 是一个集成开发环境（IDE），旨在支持 AI 代理创建和测试，特别适用于使用 LangChain 构建的项目。它提供了一个可视化界面，用户可以使用节点和边来设计代理工作流程，这些节点和边代表任务及其之间的连接。该工具还允许代理行为的实时可视化并提供调试功能。通过提供复杂流程的图形表示，LangGraph Studio 旨在帮助开发人员比纯粹基于代码的环境更有效地管理多步骤任务、监控状态和测试 AI 代理。
LangGraph Studio 可作为桌面应用程序使用，目前在 Apple Silicon 设备上受支持。首先，您可以从官方 LangGraph Studio GitHub 页面下载该应用程序。下载后，只需打开应用程序并使用您的 LangSmith 帐户登录即可。如果您还没有帐户，可以免费创建一个。在测试阶段，所有 LangSmith 用户都可以访问 LangGraph Studio，无论帐户类型如何。虽然当前版本仅限于 Apple Silicon，但预计将在不久的将来发布对其他平台的支持。
LangGraph Studio 需要 Docker Engine 和 Docker Compose 版本 2.22.0 或更高版本才能在您的系统上运行。目前，支持的运行时是 Docker Desktop 和 Orbstack ，因此请确保在启动应用程序之前安装并运行其中之一。
为了有效地使用 LangGraph Studio，您需要正确设置 LangGraph 项目。本部分将指导您配置项目、指定依赖项、创建代理以及准备必要的配置文件。我将向您介绍一个使用我在上一篇文章中介绍的太阳能电池板 AI 代理的示例。您还可以在我的 GitHub 存储库中找到此设置的完整示例。
第 1 步：设置您的项目目录
首先创建必要的项目结构。在此示例中，我们将调用目录 agent-solarpanels-tutorial。
代理太阳能电池板教程/
├── .env
├── 代理.py
├── 需求.txt
└── langgraph.json
agent.py：此文件将定义您的 LangGraph 代理。requirements.txt：此文件列出了您的项目依赖项。langgraph.json：这是定义 LangGraph 代理的依赖项、环境变量和路径的配置文件。.env：环境变量文件。
第 2 步：在requirements.txt中定义您的依赖项
在您的requirements.txt文件中，列出LangGraph 代理所需的依赖项。以下是太阳能电池板 AI 代理所需的依赖项：
语言图
langchain_anthropic
泰维利蟒蛇
langchain_社区
langchain_aws
第 3 步：定义环境变量
如果您的 LangGraph AI 代理需要特定的环境变量，例如 API 密钥或端点，您可以在.env文件中定义它们。对于太阳能电池板 AI 代理，您将需要以下变量：
TAVILY_API_KEY = ""
LANGCHAIN_TRACING_V2 = "真"
LANGCHAIN_ENDPOINT = "https://api.smith.langchain.com"
LANGCHAIN_API_KEY = ""
LANGCHAIN_PROJECT = "代理太阳能电池板教程"
AWS_ACCESS_KEY_ID =“”
AWS_SECRET_ACCESS_KEY = ""
AWS_REGION =“us-east-1”
步骤 4：创建langgraph.json文件
langgraph.json文件至关重要，因为它向 LangGraph Studio 通报代理的依赖项、环境变量以及代理编译图的位置。此配置文件允许 LangGraph Studio 正确加载和运行代理。
以下是langgraph.json文件示例：
{
“图表”：{
“代理”：“./agent.py：图”
},
"env": ".env",
“python_版本”：“3.11”，
“依赖项”：[
“。”
]
}
第 5 步：在agent.py中实现您的图表
接下来，在agent.py文件中实现 LangGraph 代理。该文件定义了图形的节点、边和工作流程。完整的示例可以在我的 GitHub 存储库中找到。
第 6 步：在 LangGraph Studio 中加载您的代理
设置和配置项目后，您就可以将代理加载到 LangGraph Studio 中。请按照下列步骤操作：
- 确保 Docker 正在运行：在继续之前，请确保 Docker 已安装并在您的计算机上运行。
- 打开 LangGraph Studio ：在您的计算机上启动 LangGraph Studio。系统将提示您使用 LangSmith 帐户登录。如果您没有帐户，可以免费创建一个。
- 加载您的项目：登录后，选择加载现有项目的选项。导航到
langgraph.json文件所在的项目目录 (agent-solarpanels-tutorial)。
LangGraph Studio 将自动加载您的代理。如果一切设置正确，您应该会看到代理的可视化表示。如果出现问题，您可以访问 LangGraph Studio 中的日志来帮助识别和调试任何问题。
新消息
要运行 AI 代理，首先从左上角的下拉菜单中选择所需的图表。接下来，在“输入”部分中，选择“消息”，键入您的问题或输入，然后单击“提交”以调用该图表。代理的响应将显示在右侧窗格中。
线程数
当您调用图形时，LangGraph Studio 将自动为会话创建一个新线程。您可以使用右侧窗格左上角的下拉菜单在多个线程之间切换来管理多个线程。如果您需要创建额外的线程，只需单击 + 图标即可打开新的线程窗口，这样您就可以在单独的会话中工作，而不会影响其他会话。
在每条消息下方，您可以找到多个选项：
- 查看检查点的输出：提供有关消息 ID 的详细信息。
- 编辑：允许您编辑线程（更多信息如下）。
- 重新运行：允许您在进行代码更改后重新运行步骤（更多信息如下）。
- 在 Run LangSmith 中打开。
- 有关令牌使用的信息。
- 有关延迟的信息。
编辑主题
LangGraph Studio 还允许您编辑线程的状态并分叉它以根据更新的状态创建替代图形执行。要编辑线程，首先选择要修改的线程。然后，在右侧窗格中，将鼠标悬停在要更改的特定步骤上，然后单击铅笔图标开始编辑。进行调整后，单击“分叉”以更新线程并生成具有修改状态的新图形执行，使您可以探索不同的结果或场景。
中断图
在LangGraph Studio中，您可以通过添加中断来控制图形执行的流程。中断允许您在特定节点之前或之后暂停执行，甚至跨所有节点暂停执行，使您能够逐步执行图形。当您想要密切监视代理行为或对特定步骤进行故障排除时，这特别有用。
要添加中断，请导航至左侧窗格右上角的下拉菜单，然后单击“中断”。您可以选择对所有节点应用中断或选择要关注的节点子集。这使您可以更好地控制图形执行过程，检查代理在每个步骤的操作方式。
编辑图形代码
使用中断控制执行流程后，您可能会发现需要对图形的底层代码进行调整。 LangGraph Studio 允许您直接修改图形代码并将这些更改实时同步到交互式图形。
要编辑图形代码，请单击界面右下角的“在 VS Code 中打开”。这将在 Visual Studio Code 中打开您的项目，您可以在其中对定义图形的agent.py文件进行更改。保存更改后，LangGraph Studio 将自动重新加载并将其应用到图表。
如果您已进行调整并想要测试它，则可以重播图表中的特定节点。例如，如果代理响应不佳，您可以更新代理节点的实现，保存更改，然后重新运行该节点。这种实时反馈使迭代代理的行为变得更加容易，尤其是在处理复杂、长时间运行的图表时。
LangGraph Studio 提供了一种使用 LangChain 开发和测试 AI 代理的实用方法。凭借可视化工具和实时代码编辑的结合，它使与代理的合作过程更加顺畅。您可以轻松管理图形执行、更改代理的逻辑并立即查看结果。对于任何想要构建更复杂的人工智能代理的人来说，它都是一个有用的工具，并且它简化了许多在代码中完成所有操作时可能很棘手的任务。
版权声明
本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除