5步在本地跑通第一个AI Agent：langgraph-101快速开始教程——环境搭建与langgraph dev Studio调试

【免费下载链接】langgraph-101Learn about the fundamentals of LangGraph through a series of notebooks项目地址https://gitcode.com/gh_mirrors/la/langgraph-101点击查看免费下载langgraph-101是 LangChain 官方出品的 LangGraph 实战教程仓库包含从第一次调用大模型到多 Agent 协作的完整 Notebook 课程以及一套可直接在 LangGraph Studio 中调试的示例 Agent。本教程将带你用 5 个步骤在本地快速搭建环境并跑通你的第一个 AI Agent全程只需几条命令。这个仓库里有什么仓库分为两条学习路线路线目录内容101 基础篇notebooks/101/模型调用、消息、工具、记忆、流式输出、中间件201 进阶篇notebooks/201/邮件 Agent、多 Agent 系统、深度研究 Agent、DeepAgents独立 Agentagents/可用langgraph dev直接启动调试的完整 Agent其中 agents/101/agent.py 是一个带天气查询、用户偏好、电影推荐三个工具的入门级 Agent也就是我们本教程要跑通的目标。第 1 步克隆 langgraph-101 仓库打开终端执行以下命令git clone https://gitcode.com/gh_mirrors/la/langgraph-101 cd langgraph-101克隆完成后目录结构一目了然notebooks/存放教程 Notebookagents/存放可运行的 Agentutils/ 存放集中式的模型配置langgraph.json 则是langgraph dev的 Agent 注册表。第 2 步配置 .env 环境变量仓库提供了现成的环境变量模板一键复制即可cp .env.example .env然后打开.env文件填入你使用的大模型服务商 API Key。模板来自 .env.example默认示例是 OpenAI同时预留了 Anthropic、Azure OpenAI、AWS Bedrock、Google Vertex 的注释段OPENAI_API_KEYyour-api-key LANGSMITH_TRACINGtrue LANGSMITH_PROJECTlanggraph-101 LangSmith 相关配置是可选的开启后可以追踪 Agent 的每一步执行轨迹对新手排错非常友好。模型本身在 utils/models.py 中集中配置切换服务商时只需修改这一个文件所有 Notebook 和 Agent 自动生效。第 3 步用 uv 一键安装依赖项目要求Python ≥ 3.11见 pyproject.toml依赖通过uv管理。如果你还没装过 uvpip install uv接着在项目根目录执行# 安装全部依赖langchain、langgraph、langgraph-cli 等 uv sync # 激活虚拟环境 source .venv/bin/activate这一步会安装langchain1.3.10、langgraph1.0.1、langgraph-cli等核心包装完后langgraph命令即可直接使用。第 4 步跑通第一个 AI AgentNotebook推荐的学习入口是 notebooks/101/101_langchain_langgraph.ipynb它会手把手带你走完构建 Agent 的核心概念Part 1第一次 LLM 调用 —— 用model.invoke()获得回复Part 2理解消息 ——SystemMessage、HumanMessage、AIMessage与多轮对话Part 3给 Agent 装上工具ToolPart 4记忆Memory与流式输出StreamingAgent 的本质就是图中这个思考—调用工具—观察结果的 ReAct 循环LangGraph 正是让这条循环变得可控的框架⚠️ 注意Notebook 会自动把项目根目录加入 Python 路径因此无论在哪个子目录下运行from utils.models import model都能正常导入。第 5 步langgraph dev 启动 LangGraph Studio 调试跑完 Notebook 后真正的好戏才刚开始。在项目根目录执行langgraph dev这一条命令会同时给你三样东西本地 API 服务默认http://localhost:2024LangGraph Studio 可视化调试界面命令输出中会自动给出链接开发热重载——改代码即生效无需重启启动后Studio 左侧会列出 langgraph.json 中注册的全部 Agent包括我们第 4 步对应的101 Weather Agent、邮件 Agent、音乐商店多 Agent 系统和深度研究 Agent。点开 101 Weather Agent输入一句帮我查一下北京的天气就能在右侧看到完整的推理轨迹模型如何决定调用get_weather工具工具返回了什么数据最终回答如何生成多轮对话、状态变化、每步的中间输出都清晰可见这正是用 Studio 调试 Agent 的最大价值——你能看到 Agent 怎么想的而不只是说了什么 想让 Agent 更强大修改 agents/101/agent.py 中的工具列表或system_prompt热重载后在 Studio 中立即生效。跑通之后的进阶路线当你的第一个 Agent 在 Studio 里顺利对话之后可以沿着仓库的推荐路径继续notebooks/101/102_middleware.ipynb—— 中间件与 Human-in-the-Loop 模式notebooks/201/email_agent.ipynb—— 有状态的邮件分诊与回复 Agentnotebooks/201/multi_agent.ipynb—— Supervisor 子 Agent 的多 Agent 系统整体架构如下agents/deep_agent/—— 带技能Skills、长期记忆与人工审批的 DeepAgents 深度研究 Agent常见问题速查问题解决方法uv: command not found先执行pip install uvPython 版本不满足安装 Python 3.11仓库锁定 3.13Studio 链接打不开确认终端未中断复制命令输出中的 Studio URL调用模型报鉴权错误检查.env中 API Key 是否填写正确想换模型服务商修改 utils/models.py无需改动其他文件小结到这里你已经完成了完整的闭环克隆 → 配置 → 安装 → Notebook 上手 → Studio 调试。整个过程用到的核心命令只有 5 条git clone https://gitcode.com/gh_mirrors/la/langgraph-101 cd langgraph-101 cp .env.example .env pip install uv uv sync source .venv/bin/activate langgraph devlanggraph-101 的价值在于它把 LangGraph 的全部核心概念——Agent、工具、记忆、中间件、多 Agent 协作——都拆成了可以逐步运行的最小示例。跟着 README.md 的学习路线走你很快就会从跑通第一个 Agent进阶到设计自己的多 Agent 系统。赞分享【免费下载链接】langgraph-101Learn about the fundamentals of LangGraph through a series of notebooks项目地址https://gitcode.com/gh_mirrors/la/langgraph-101点击查看免费下载相关推荐modern-software-dev-assignments快速开始5步跑通你的第一个本地LLMmodern software dev assignments快速开始5步跑通你的第一个本地LLM modern software dev assignmen文档教程课程作业5分钟跑通第一条流node-kafka-streams快速入门与本地Kafka环境搭建教程5分钟跑通第一条流node kafka streams快速入门与本地Kafka环境搭建教程 node kafka streams npm 包名 kafkaZetta快速开始教程5分钟搭好最小测试环境跑通你的第一个机器人冒烟测试Zetta快速开始教程5分钟搭好最小测试环境跑通你的第一个机器人冒烟测试 Zetta 是一个高效闭环的具身智能Embodied AI运行时框架它在冻结上一篇语音合成中的韵律控制silero-models参数调优终极指南下一篇开发者必看Markdown Oxide的代码实现原理与架构设计解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考