LangGraph Studio可视化

发布时间：2026-04-16 22:28:17编辑：123阅读（18）

LangSmith与LangGraph Studio都是LangChain AI生态中非常核心的工具，前者是用于跟踪和分析大模型的使用情况，而LangGraph Studio则是对于LangGraph来说，则是比LangSmith更加方便和高效的可视化调试工具平台。


LangGraph Studio：桌面版应用（目前仅支持Mac）和本地运行（适用于所有操作系统）

LangGraph Studio是专为LangGraph图式代理打造的本地/云端 IDE，具备可视化节点和状态及实时调试功能。LangGraph Studio在本地可视化运行时会自动把调用过程上传到LangSmith；而在LangSmith网页端查看任何Trace时，又能一键Run in Studio回放整条执行链，所以它是通过统一Trace SDK与LangSmith紧密集成。




1. 创建一个LangGraph项目文件夹：

创建一个langgraph_chatbot文件夹




2. 创建一个requirements.txt，内容如下：

langgraph

langchain-core

langsmith

python-dotenv




3. 创建.env文件

在langgraph_chatbot文件夹中，创建一个.env文件，将敏感信息(如API密钥)放在环境变量中而不是硬编码

LANGSMITH_TRACING=true

LANGSMITH_API_KEY=lsv2_pt_7a7db729daee4c949f09xxxxxxxxxxx

LANGSMITH_PROJECT=langgraph_studio_chatbot




4. 创建graph.py文件

在langgraph_chatbot文件夹中，新建一个graph.py文件，在该文件中编写构建图的具体运行逻辑，如状态、节点、边、图的编译等。

代码如下：

from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph,START,END
from langgraph.graph.message import add_messages
from langchain_ollama import ChatOllama
from dotenv import load_dotenv

load_dotenv(override=True)

# 定义状态类（会自动合并messages）
class State(TypedDict):
    messages: Annotated[list, add_messages]

# 初始化模型
model = ChatOllama(
    model="qwen3:8b",
    temperature=0,
    top_p=0.95,
)

# 定义聊天节点
def chatbot(state: State) -> State:
    reply = model.invoke(state["messages"])
    return {'messages': [reply]}

# 构建带MemorySaver的图
builder = StateGraph(State)
builder.add_node('chatbot', chatbot)
builder.add_edge(START, 'chatbot')
builder.add_edge('chatbot', END)
graph = builder.compile()

# 运行多轮对话，使用相同thread_id实现记忆
thread_config = {"configurable":{"thread_id":"session_10"}}

# 第一轮对话
state1 = graph.invoke({"messages":[{"role":"user", "content":"我叫张三"}]}, config=thread_config)
print(state1["messages"][-1].content)

# 第二轮对话
state2 = graph.invoke({"messages":[{"role":"user", "content":"我叫什么"}]}, config=thread_config)
print(state2["messages"][-1].content)




5. 创建langgraph.json文件

在langgraph_chatbot文件夹中，新建一个langgraph.json文件，在该json文件中配置项目信息，遵循规范如下所示：

必须包含dependencies和graphs字段

graphs字段格式："图名":"文件路径:变量名"

配置文件必须放在与python文件同级或更高级的目录，如下所示：

{

  "dependencies": ["./"],

  "graphs": {"chatbot": "./graph.py:graph"},

  "env": ".env"

}




项目结构：






安装langgraph-cli依赖，执行如下代码：

pip install langgraph-cli




最后进入到langgraph_chatbot文件夹，执行langgraph dev即可启动



进入到langgraph studio页面



可以在web页面上进行对话

关键字：