🚀 LangGraph Platform

引言

当你的 LangGraph 应用从原型阶段发展到生产环境时，部署和运维的复杂性会急剧增加。LangGraph Platform 是一个专为智能代理应用设计的商业部署解决方案，它基于开源的 LangGraph 框架，为生产环境提供了完整的基础设施支持。

对于前端开发者来说，这就像是从本地开发服务器迁移到 Vercel 或 Netlify 这样的专业平台 - 你可以专注于应用逻辑，而不用担心服务器配置、扩展性和运维问题。

核心组件

LangGraph Platform 由几个核心组件组成，它们协同工作为你的智能代理应用提供完整的开发和部署体验：

LangGraph Server

• 作用：定义了部署智能代理应用的标准 API 和架构
• 价值：让你专注于代理逻辑而非服务器基础设施
• 类比：就像 Express.js 为 Node.js 应用提供标准化的 Web 框架

LangGraph Studio

• 作用：专用的可视化 IDE，支持图形化调试和交互
• 价值：提供直观的开发和调试体验
• 类比：类似于 React DevTools 或 Vue DevTools，但专门为智能代理设计

LangGraph CLI

• 作用：命令行工具，用于本地开发和部署管理
• 价值：简化项目管理和部署流程
• 类比：类似于 Vue CLI 或 Create React App 的项目管理工具

Python/JS SDK

• 作用：编程接口，用于与部署的应用进行交互
• 价值：提供类型安全的客户端集成
• 类比：类似于 Firebase SDK 或 Supabase 客户端库

Remote Graph

• 作用：让你像使用本地图一样与远程部署的应用交互
• 价值：无缝的本地开发体验
• 类比：类似于 GraphQL 的远程 schema 访问

部署选项对比

LangGraph Platform 提供四种主要的部署选项，每种都适合不同的使用场景：

1. Self-Hosted Lite（自托管轻量版）

• 适用场景：学习、原型开发、小型项目
• 特点：免费使用（最多 100 万节点执行）
• 限制：功能受限，需要自行管理基础设施

2. Self-Hosted Enterprise（自托管企业版）

• 适用场景：大型企业，对数据安全有严格要求
• 特点：完整功能，完全控制
• 要求：企业版订阅，自行管理数据库和 Redis

3. Cloud SaaS（云托管服务）

• 适用场景：快速上线，专注业务逻辑
• 特点：零运维，与 GitHub 集成
• 要求：Plus 或 Enterprise 计划

4. Bring Your Own Cloud（专属云）

• 适用场景：企业级，需要数据隔离但不想自行运维
• 特点：在你的 AWS 环境中运行，但由 LangChain 管理
• 要求：仅限企业版，目前只支持 AWS

简单部署 vs 平台部署

让我们通过对比来理解何时需要使用 LangGraph Platform：

简单部署方式

对于基础应用，你可以使用自定义服务器逻辑：

简单部署示例

import { StateGraph, Annotation } from '@langchain/langgraph';
import { BaseMessage, HumanMessage, AIMessage } from '@langchain/core/messages';

// 定义简单的状态
const StateAnnotation = Annotation.Root({
  messages: Annotation<BaseMessage[]>({
    reducer: (x, y) => x.concat(y),
  }),
});

// 创建简单的助手节点
async function assistantNode(state: typeof StateAnnotation.State) {
  const lastMessage = state.messages[state.messages.length - 1];
  const content =
    typeof lastMessage.content === 'string' ? lastMessage.content : '';

  // 简单的响应逻辑
  let response = '';
  if (content.includes('hello')) {
    response = 'Hello! How can I help you today?';
  } else if (content.includes('weather')) {
    response =
      'I cannot check the weather right now, but you can check your local weather app.';
  } else {
    response = 'I understand. Is there anything specific I can help you with?';
  }

  return {
    messages: [new AIMessage(response)],
  };
}

// 创建图
const graph = new StateGraph(StateAnnotation)
  .addNode('assistant', assistantNode)
  .addEdge('__start__', 'assistant')
  .addEdge('assistant', '__end__');

const compiledGraph = graph.compile();

// 简单的 HTTP 服务器示例（伪代码）
// 在实际项目中，你需要安装并导入 express 或其他 HTTP 框架
const createSimpleServer = () => {
  // 这里是服务器设置的示例代码
  console.log('创建简单的 HTTP 服务器...');

  // 聊天端点处理逻辑
  const handleChatRequest = async (message: string) => {
    try {
      if (!message) {
        throw new Error('Message is required');
      }

      // 执行图
      const result = await compiledGraph.invoke({
        messages: [new HumanMessage(message)],
      });

      // 返回最后一条消息
      const lastMessage = result.messages[result.messages.length - 1];

      return {
        response: lastMessage.content,
        timestamp: new Date().toISOString(),
      };
    } catch (error) {
      console.error('Chat error:', error);
      throw error;
    }
  };

  return { handleChatRequest };
};

export { compiledGraph, createSimpleServer };

// 使用示例
export async function demonstrateSimpleDeployment() {
  console.log('=== 简单部署示例 ===');

  // 模拟客户端请求
  const testMessages = [
    'Hello there!',
    'What is the weather like?',
    'Can you help me with something?',
  ];

  for (const message of testMessages) {
    console.log(`\n用户: ${message}`);

    const result = await compiledGraph.invoke({
      messages: [new HumanMessage(message)],
    });

    const response = result.messages[result.messages.length - 1];
    console.log(`助手: ${response.content}`);
  }
}

// 部署配置示例
export const deploymentConfig = {
  // 基础配置
  basic: {
    port: 3000,
    cors: true,
    rateLimit: {
      windowMs: 15 * 60 * 1000, // 15分钟
      max: 100, // 限制每个IP 100个请求
    },
  },

  // 生产配置
  production: {
    port: process.env.PORT || 8080,
    cors: {
      origin: process.env.ALLOWED_ORIGINS?.split(',') || [
        'https://yourdomain.com',
      ],
    },
    rateLimit: {
      windowMs: 15 * 60 * 1000,
      max: 1000,
    },
    logging: {
      level: 'info',
      format: 'json',
    },
    monitoring: {
      enabled: true,
      endpoint: '/metrics',
    },
  },
};

// Docker 配置示例
export const dockerConfig = `
# Dockerfile
FROM node:18-alpine

WORKDIR /app

# 复制依赖文件
COPY package*.json ./
RUN npm ci --only=production

# 复制应用代码
COPY . .

# 构建应用
RUN npm run build

# 暴露端口
EXPOSE 3000

# 启动应用
CMD ["npm", "start"]
`;

// Docker Compose 配置
export const dockerComposeConfig = `
version: '3.8'

services:
  app:
    build: .
    ports:
      - "3000:3000"
    environment:
      - NODE_ENV=production
      - PORT=3000
    restart: unless-stopped

  redis:
    image: redis:alpine
    ports:
      - "6379:6379"
    restart: unless-stopped

  postgres:
    image: postgres:15
    environment:
      - POSTGRES_DB=langgraph
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=password
    ports:
      - "5432:5432"
    volumes:
      - postgres_data:/var/lib/postgresql/data
    restart: unless-stopped

volumes:
  postgres_data:
`;

这种方式适合：

• 单一助手应用
• 不需要长时间运行的会话
• 没有持久化内存需求
• 简单的请求-响应模式

平台部署的优势

当应用变得复杂时，LangGraph Platform 解决了许多挑战：

平台解决的核心问题

• 流式支持：多种流式模式，优化用户体验
• 后台运行：支持长时间运行的任务
• 长时间运行支持：防止超时和连接中断
• 突发流量处理：任务队列确保请求不丢失
• 双重发送处理：智能处理用户的快速连续消息
• 检查点和内存管理：优化的状态持久化
• 人机交互支持：专用的人工干预端点

开发到部署工作流

实践指导

选择合适的部署方式

1. 学习阶段：使用 Self-Hosted Lite
2. 原型验证：使用 Cloud SaaS
3. 生产环境：根据数据安全要求选择 Cloud SaaS 或 Self-Hosted Enterprise
4. 企业级应用：考虑 Bring Your Own Cloud

迁移策略

迁移检查清单

// 1. 评估当前应用复杂度
const needsPlatform = {
  hasLongRunningTasks: true,      // 需要后台任务
  requiresStreaming: true,        // 需要流式输出
  hasMemoryRequirements: true,    // 需要持久化
  expectsHighTraffic: true,       // 预期高流量
  needsHumanInLoop: true         // 需要人工干预
};

// 2. 准备迁移
if (Object.values(needsPlatform).some(Boolean)) {
  console.log('建议使用 LangGraph Platform');
}

小结与延伸

LangGraph Platform 为智能代理应用提供了从开发到生产的完整解决方案。它就像是专门为 AI 应用设计的 Vercel - 让你专注于构建智能功能，而不用担心基础设施的复杂性。

选择合适的部署方式取决于你的具体需求：数据安全要求、运维能力、预算考虑和功能需求。无论选择哪种方式，平台都提供了统一的开发体验和强大的调试工具。

接下来我们将深入了解应用结构，学习如何组织和配置 LangGraph 应用以便部署。