将应用部署到云端

本快速入门将介绍如何使用 langgraph deploy 命令，将应用部署到 LangSmith Cloud（AWS 和 GCP）。任何从 langgraph.json 配置中导出图的应用，都可以使用相同的方式进行部署，无论你使用哪种框架来编写 Agent。

如需查看完整的 Cloud 部署指南（包括基于 GitHub 的部署和所有配置选项），请参阅 Cloud 部署设置指南。

langgraph deploy 命令目前处于 测试阶段。

前置条件

开始之前，请确保你具备以下条件：

一个处于 Plus 计划或更高版本的 LangSmith 账户，以及一个 API 密钥。
（可选）已安装 Docker，并且 Docker 守护进程正在运行，以便进行本地构建。远程构建不需要 Docker。安装 Docker Desktop。如果 Docker 不可用，langgraph deploy 会自动触发远程构建。
（可选）如果使用 Apple Silicon（M1/M2/M3），本地构建时需要 Docker Buildx 以交叉编译为 linux/amd64。
LangGraph CLI：
uv tool install langgraph-cli

1. 创建可部署的应用

langgraph deploy 可以部署任何 langgraph.json 导出图的项目。请根据编写 Agent 的方式选择对应路径：

LangGraph template
Bring your own framework

使用 new-langgraph-project-python 模板创建新应用：

langgraph new path/to/your/app --template new-langgraph-project-python
cd path/to/your/app

不使用 --template 运行 langgraph new，即可打开可用模板的交互式菜单。

使用 Claude Agent SDK、Strands、CrewAI、AutoGen 或 Google ADK 编写的 Agent，只要通过 langgraph.json 暴露图，就可以使用相同的 CLI 进行部署。如需查看端到端示例，请参阅部署其他框架。项目导出图后，返回此处继续执行剩余步骤。

2. 设置 API 密钥

将 LangSmith API 密钥添加到项目根目录中的 .env 文件：

LANGSMITH_API_KEY=lsv2_...

langgraph deploy 命令会自动读取该密钥。或者，也可以直接以内联方式传入：

LANGSMITH_API_KEY=lsv2_... langgraph deploy

3. 部署

你可以直接通过 CLI 或 UI 进行部署。

Deploy from CLI
Deploy from Studio

在项目目录中运行部署命令：

langgraph deploy

默认情况下，这会创建一个以项目目录命名的 Serverless 部署。使用 --name 或 --deployment-type dedicated 可覆盖默认设置。

在 2026 年 10 月 1 日之前仍使用旧定价方案的组织，请改用 --deployment-type prod 或 --deployment-type dev。详情请参阅 langgraph deploy 和管理账单。

修改代码后，如需更新现有部署，请重新运行 langgraph deploy。该命令会按名称找到现有部署，并直接在原部署上进行更新。

你还可以使用 langgraph deploy list 查看所有部署，使用 langgraph deploy logs 持续查看运行时日志，或使用 langgraph deploy delete <ID> 删除部署。详情请参阅 CLI 参考。

要从 Studio 进行部署：

启动本地开发服务器。这会自动打开 Studio，即一个交互式 Agent IDE。

langgraph dev

点击 deploy 按钮。

4. 在 Studio 中测试

Studio 是一个直接连接到部署的交互式 Agent IDE。你可以使用它发送消息、检查每个节点的中间状态、在运行过程中编辑状态，以及从任意之前的检查点重新运行，而无需编写代码。部署就绪后：

前往 LangSmith，然后在左侧边栏中选择 Deployments。
选择你的部署以查看其详情。
点击右上角的 Studio，打开 Studio。

5. 测试 API

从部署详情视图中复制 API URL，然后使用它调用你的应用：

Python SDK (Async)
Python SDK (Sync)
JavaScript SDK
Rest API

安装 LangGraph Python SDK：
pip install langgraph-sdk

向助手发送消息（无状态运行）：

from langgraph_sdk import get_client

client = get_client(url="your-deployment-url", api_key="your-langsmith-api-key")

async for chunk in client.runs.stream(
    None,  # 无线程运行
    "agent", # 助手名称。在 langgraph.json 中定义。
    input={
        "messages": [{
            "role": "human",
            "content": "你好。",
        }],
    },
    stream_mode="updates",
):
    print(f"接收到类型为 {chunk.event} 的新事件……")
    print(chunk.data)
    print("\n\n")

安装 LangGraph Python SDK：
pip install langgraph-sdk

向助手发送消息（无线程运行）：

from langgraph_sdk import get_sync_client

client = get_sync_client(url="your-deployment-url", api_key="your-langsmith-api-key")

for chunk in client.runs.stream(
    None,  # 无线程运行
    "agent", # 助手名称。在 langgraph.json 中定义。
    input={
        "messages": [{
            "role": "human",
            "content": "你好。",
        }],
    },
    stream_mode="updates",
):
    print(f"接收到类型为 {chunk.event} 的新事件……")
    print(chunk.data)
    print("\n\n")

安装 LangGraph JS SDK：
npm install @langchain/langgraph-sdk

向助手发送消息（无线程运行）：

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, // 无线程运行
    "agent", // 助手 ID
    {
        input: {
            "messages": [
                { "role": "user", "content": "你好。"}
            ]
        },
        streamMode: "messages",
    }
);

for await (const chunk of streamResponse) {
    console.log(`接收到类型为 ${chunk.event} 的新事件……`);
    console.log(JSON.stringify(chunk.data));
    console.log("\n\n");
}

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\": \"你好。\"
                }
            ]
        },
        \"stream_mode\": \"updates\"
    }"

后续步骤

Assistants

为每个助手使用不同的模型、提示词或工具，部署相同的图。

Threads

在多次运行之间持久化状态，让 Agent 在交互过程中记住上下文。

Runs

启动长时间运行任务的后台运行，并将结果流式传回客户端。

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.

Edit this page on GitHub or file an issue.

Deployment components

Develop & test

Frameworks and platforms

Reference

前置条件

1. 创建可部署的应用

2. 设置 API 密钥

3. 部署

4. 在 Studio 中测试

5. 测试 API

后续步骤

Assistants

Threads

Runs

​前置条件

​1. 创建可部署的应用

​2. 设置 API 密钥

​3. 部署

​4. 在 Studio 中测试

​5. 测试 API

​后续步骤

Assistants

Threads

Runs

前置条件

1. 创建可部署的应用

2. 设置 API 密钥

3. 部署

4. 在 Studio 中测试

5. 测试 API

后续步骤