简介

在这篇文章中，我们探讨了如何创建能够管理复杂、多步骤任务的智能、适应性强的人工智能系统。我们使用节点来表示单个操作或计算，用边将它们连接起来以控制决策流，并依靠状态在整个交互过程中保持上下文。这样，我们就能构建一个人工智能代理，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能动态响应用户输入的真实世界应用程序。

今天，我想更进一步，介绍一款新工具，它能让人工智能代理开发更高效： LangGraph Studio。这是第一个集成开发环境（IDE），专门用于可视化、测试和调试基于 LangChain 的人工智能代理。在这篇文章中，我们将深入介绍 LangGraph Studio 的功能、它是如何简化开发流程的，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。

什么是 LangGraph Studio？

LangGraph Studio 是一个集成开发环境（IDE），用于支持人工智能代理的创建和测试，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设计代理工作流，节点和边代表任务和任务之间的连接。该工具还允许对代理行为进行实时可视化，并提供调试功能。通过提供复杂流程的图形表示，LangGraph Studio 旨在帮助开发人员管理多步骤任务、监控状态，并比在纯粹基于代码的环境中更有效地测试人工智能代理。

如何安装 LangGraph Studio？

LangGraph Studio是一款桌面应用程序，目前支持苹果Silicon设备。要开始使用，你可以从 LangGraph Studio 官方 GitHub 页面下载应用程序。下载完成后，只需打开应用程序并使用你的 LangSmith 账户登录即可。如果你还没有账户，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，无论账户类型如何。虽然当前版本仅限于 Apple Silicon，但预计在不久的将来会发布对其他平台的支持。

LangGraph Studio 需要在系统上运行 Docker Engine 和 Docker Compose 2.22.0 或更高版本。目前，支持的运行时有 Docker Desktop 和 Orbstack，因此在启动应用程序之前，请确保已安装并运行其中一个运行时。

如何在 LangGraph Studio 中加载人工智能代理？

要有效使用LangGraph Studio，你需要正确设置一个LangGraph项目。本节将指导你配置项目、指定依赖关系、创建代理并准备必要的配置文件

第1步：建立项目目录

首先创建必要的项目结构。在本例中，我们将把目录称为 agent-solarpanels-tutorial。

agent-solarpanels-tutorial/
├── .envenv
├── agent.py
├── requirements.txt
└── langgraph.json

• agent.py： 该文件将定义 LangGraph 代理。
• requirements.txt： 此文件将列出项目的依赖项。
• langgraph.json： 这是一个配置文件，定义了 LangGraph 代理的依赖关系、环境变量和路径。
• .env： 环境变量文件。

第2步：在 requirements.txt 中定义依赖关系

在 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人工智能代理所需的依赖项 ：

langgraph
langchain_anthropic
tavily-python
langchain_community
langchain_aws

第3步：定义环境变量

如果你的 LangGraph AI 代理需要特定的环境变量，如 API 密钥或端点，你可以在 .env 文件中定义它们。对于太阳能电池板 AI 代理，你将需要以下变量：

TAVILY_API_KEY = ""
LANGCHAIN_TRACING_V2 = "true"
LANGCHAIN_ENDPOINT = "https://api.smith.langchain.com"
LANGCHAIN_API_KEY = ""
LANGCHAIN_PROJECT = "agent-solarpanels-tutorial"
AWS_ACCESS_KEY_ID = ""
AWS_SECRET_ACCESS_KEY = ""
AWS_REGION = "us-east-1"

第4步：创建langgraph.json文件

langgraph.json 文件至关重要，因为它会告知 LangGraph Studio 有关代理的依赖关系、环境变量以及代理编译图的位置。通过该配置文件，LangGraph Studio 可以正确加载并运行代理。

下面是一个 langgraph.json 文件示例：

{
  "graphs": {
    "agent": "./agent.py:graph"
  },
  "env": ".env",
  "python_version": "3.11",
  "dependencies": [
    "."
  ]
}

第5步：在 agent.py 中实现图形

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。

第6步：在 LangGraph Studio 中加载代理

项目设置和配置完成后，就可以将代理加载到 LangGraph Studio 中了。请按照以下步骤操作：

1. 确保 Docker 正在运行： 在继续之前，请确保 Docker 已在你的计算机上安装并运行。
2. 打开 LangGraph Studio： 在机器上启动 LangGraph Studio。系统会提示你使用 LangSmith 账户登录。如果没有账户，可以免费创建一个。
3. 加载项目： 登录后，选择 “加载现有项目 ”选项。导航至你的项目目录（agent-solarpanels-tutorial），其中有 langgraph.json 文件。

LangGraph Studio 将自动加载代理。如果一切设置正确，你将看到代理的可视化显示。如果出现问题，你可以访问 LangGraph Studio 中的日志，以帮助识别和调试任何问题。

如何使用 LangGraph Studio？

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形。然后，在 “输入 ”部分选择 “消息”，输入问题或输入内容，点击 “提交 ”调用图表。代理的回复将显示在右侧窗格

线程

调用图形时，LangGraph Studio 会自动为会话创建一个新线程。你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，从而管理多个线程。如果需要创建额外的线程，只需点击 “+”图标即可打开新的线程窗口，这样就可以在不同的会话中工作，而不会影响其他会话。

每条信息下方都有多个选项：

• 查看检查点的输出： 提供有关报文 ID 的详细信息。
• 编辑：允许编辑线程（更多信息见下文）。
• 重新运行： 允许你在修改代码后重新运行一个步骤（更多信息如下）。
• 在运行 LangSmith 中打开。
• 令牌使用信息。
• 有关延迟的信息。

编辑线程

LangGraph Studio 还允许你编辑线程的状态，并根据更新后的状态叉开线程以创建另一种图形执行方式。要编辑线程，首先要选择要修改的线程。然后在右侧窗格中，将鼠标悬停在要更改的特定步骤上，点击铅笔图标开始编辑。完成调整后，单击 “叉 ”更新线程，并根据修改后的状态生成新的图形执行，这样你就可以探索不同的结果或方案。

图形中断

在 LangGraph Studio 中，你可以通过添加中断来控制图形的执行流程。中断允许你在特定节点之前或之后，甚至在所有节点之间暂停执行，从而使你能够逐步执行图形。当你想密切监控代理行为或排除特定步骤的故障时，这一点尤其有用。

要添加中断，请导航到左侧窗格右上角的下拉菜单，然后单击中断。你可以选择将中断应用到所有节点，或选择要关注的节点子集。这样，你就可以更轻松地控制图形执行过程，检查代理在每个步骤中的运行情况。

编辑图形代码

使用中断控制执行流程后，你可能会发现需要对图形的底层代码进行调整。LangGraph Studio允许你直接修改图形代码，并将这些更改实时同步到交互式图形中。

要编辑图形代码，请单击界面右下角的 “在 VS 代码中打开”（Open in VS Code）。这将在 Visual Studio Code 中打开你的项目，你可以在其中对定义图形的 agent.py 文件进行修改。保存更改后，LangGraph Studio 将自动重新加载并应用到图形中。

如果你做了调整并想进行测试，可以重放图中的特定节点。例如，如果某个代理响应不佳，你可以更新代理节点的实现，保存更改并重新运行该节点。这种实时反馈可以更轻松地迭代代理行为，尤其是在处理复杂、长期运行的图形时。

结论

LangGraph Studio 为使用 LangChain 开发和测试人工智能代理提供了一种实用的方法。它混合了可视化工具和实时代码编辑功能，使代理的工作过程更加顺畅。你可以轻松管理图的执行、更改代理的逻辑并即时查看结果。对于想要构建更复杂的人工智能代理的人来说，这是一个非常有用的工具，它简化了许多在代码中完成所有工作时可能会很棘手的任务。