Langgraph简介与入门

作者：CSDN博客
Agent开发框架之Langgraph

第一章 Langgraph简介与入门
<hr>文章目录

Agent开发框架之Langgraph前言一、LangGraph快速入门

安装加载模型服务使用langgraph构建简易流程图

总结

<hr>前言

LangGraph 是一个库，用于使用 LLM 构建有状态的多角色应用程序，用于创建代理和多代理工作流。
核心优势是：周期、可控性和持久性。
主要特点包括：

可以在应用中实现循环和条件。自动保存状态，随时暂停与恢复。可以中断执行以编辑下一步操作。与LangChain无缝集成。

<hr>一、LangGraph快速入门

安装

我们需要安装langgraph的本体库，以及langchain提供的openai的官方接口库。如果你们使用claude等，也需要安装对应的接口库langchain_anthropic等。
我们选择langchain_openai是因为OpenAI-GPT是目前比较常用的大模型，并且该接口也便于接入我们通过VLLM等部署的本地的大模型服务，因为VLLM提供了与OpenAI一致的接口。

pip install langgraph langchain_openai

加载模型服务

我们通过下面的代码导入OpenAI的接口。

1. from langchain_openai import ChatOpenAI

复制代码

如果订阅了OpenAI的服务，你可以通过下面的操作导入模型：

1. os.environ["OPENAI_API_KEY"]="Your API Key"
2. llm = ChatOpenAI(model=model_name)# 这里的model_name是你要使用的模型名称，如GPT-4o等

复制代码

如果你没有订阅OpenAI的服务，你可以使用VLLM或其他能够提供OpenAI接口的框架部署本地大模型。
这里，我以Qwen2.5-7B-Instruct模型为例：
首先在控制台启动VLLM服务，需要我们指定一个端口号_port和本地大模型的路径_model_path

1. CUDA_VISIBLE_DEVICES=0nohup python -m vllm.entrypoints.openai.api_server \--host0.0.0.0 \--port _port \--model _model_path \
2.         --served-model-name Qwen2.5-7B-Instruct \
3.         --max-model-len 16384\
4.         --tensor-parallel-size 1\
5.         --gpu-memory-utilization 0.95\
6.         --disable-custom-all-reduce \
7.         --disable-log-stats \
8.         --disable-log-requests \
9.         --enable-auto-tool-choice \
10.         --tool-call-parser hermes \
11.         --enforce-eager >>1.log  2>&1&

复制代码

之后，我们就可以代码中加载模型服务了：

1. os.environ["OPENAI_API_KEY"]="EMPTY"
2. llm = ChatOpenAI(model="Qwen2.5-7B-Instruct", base_url=

复制代码

原文地址：https://blog.csdn.net/wwx0622/article/details/144243900