Zum Inhalt springen
AggregaAggrega
Sprache wählen: Deutsch
Diese Seite wurde maschinell übersetzt. Das englische Original lesen.

Eine LangGraph-Anwendung importieren — ein Graph und sein Checkpointer

Die langgraph.json einer LangGraph-Anwendung — ein Graph, der seinen Zustand in PostgreSQL hält — von aggrega import als Entwurf in Aggrega-Dateien überführt, wobei das Modell, das der Graph aufruft, und das Image der Anwendung einmal in einer Antwortdatei angegeben werden, und für Docker Compose gebaut.

Eine LangGraph-Anwendung importieren führt Schritt für Schritt hindurch: der Befehl, wonach er fragt, die Dateien, die er schreibt, und warum jede Zeile dort steht, der Build und der laufende Graph. Dieser Ordner enthält jede Stufe dieser Anleitung:

Ordner oder Dateiwas er enthält
source/die langgraph.json der Anwendung, die .aggrega-config.yaml, die den Ordner zu einem Workspace macht, und import-answers.yaml, die Werte, die keine Konfiguration enthält: das Modell, das Image der Anwendung und die Namen der Kubernetes-Secrets, aus denen ein Build für Kubernetes den Schlüssel und das Passwort der Datenbank liest
draft/die Dateien, die aggrega import . --target compose geschrieben hat, unverändert, einschließlich release.lock, und was der Befehl ausgegeben hat: stdout.txt auf der Standardausgabe, import.txt auf der Standardfehlerausgabe

Die Konfiguration ist für dieses Beispiel geschrieben. Der Code der Anwendung gehört nicht dazu: Der Import liest ihn nie, und das Release nennt das Image, in dem er läuft.

In einem Checkout des Dokumentations-Repositorys führt check.sh den Import erneut aus, vergleicht, was er schreibt und ausgibt, mit draft/, vergleicht die Blöcke, die die Anleitung zitiert, mit diesen Dateien und validiert und baut, was der Import geschrieben hat. Es benötigt den Katalog der Standardbibliothek (woher Sie einen bekommen), neben diesem Repository ausgecheckt, oder dessen Verzeichnis in AGGREGA_CATALOG_DIRS angegeben.

Das Beispiel generieren

Sie können den Import dieses Beispiels mit den folgenden Befehlen ausführen oder ihn von Ihrem KI-Assistenten für Sie ausführen lassen.

Schreiben Sie das Beispiel in einen neuen Ordner, der nach ihm benannt ist:

Terminal window
aggrega scaffold --example import-langgraph

Danach gibt er die als Nächstes auszuführenden Befehle aus. Der erste wechselt in den neuen Ordner:

Terminal window
cd import-langgraph

Build

Der Import entwirft die Aggrega-Dateien neben dem Projekt, in source/. Er gleicht das Projekt mit dem Katalog der Standardbibliothek ab, den die Standard-Registry des Workspace als signierten Snapshot veröffentlicht: Der erste Import ruft ihn ab, verifiziert ihn, legt ihn im Inhalts-Cache des Workspace ab und nennt ihn über seinen Digest in der Aufzeichnung, die er neben die Entwürfe schreibt. Ein Workspace, der eigene Katalogordner nennt — in AGGREGA_CATALOG_DIRS oder unter workspace.catalog_dirs —, importiert stattdessen gegen diese. Der Import liest das Modell und das Image aus import-answers.yaml und ruft dann ab, wovon das entworfene Release abhängt, sodass der Build sofort folgt:

Terminal window
cd source
aggrega import . --target compose
aggrega build --release release.yaml

Das Image, das das Beispiel nennt, steht für eines, das Sie aus Ihrem Projekt bauen; wie Sie es bauen und den Stack ausführen, steht in der oben verlinkten Anleitung.

Mit einem KI-Assistenten

Ein KI-Assistent, der mit den Tools von Aggrega eingerichtet ist, kann dasselbe tun: Fügen Sie ihm diesen Prompt ein.

Verwenden Sie ausschließlich die Aggrega-Tools und legen Sie selbst keinen Ordner an. Wenn der Workspace-Ordner noch keinen Ordner `import-langgraph` enthält, rufen Sie das Tool `scaffold` einmal auf, mit `example` auf `import-langgraph` gesetzt und ohne `dir`: Es schreibt das Beispiel in einen neuen Ordner `import-langgraph`, dessen Ordner `source` enthält, was dieses Beispiel importiert. Rufen Sie dann das Tool `import` auf, mit `workspace_root` auf `import-langgraph/source`, `source` auf `.` und `target` auf `compose` gesetzt: Es liest die benötigten Antworten aus `import-answers.yaml` neben `langgraph.json`, schreibt seine Entwürfe nach `import-langgraph/source` und lädt herunter, was diese benötigen. Rufen Sie dann das Tool `validate` auf, mit `workspace_root` auf `import-langgraph/source` und `release` auf `release.yaml` gesetzt, und das Tool `build`, mit `workspace_root` auf `import-langgraph/source`, `release` auf `release.yaml` und `write` auf true gesetzt. Nennen Sie mir die Dateien, die der Build geschrieben hat; sie liegen unter `import-langgraph/source/dist/`.

Testen

Wenn der Stack so läuft, wie die Anleitung ihn ausführt, erreicht eine Anfrage den Graphen. Die Route unten ist die des Programms der Anleitung selbst, eines kleinen HTTP-Servers auf Port 8000; Ihr eigenes Programm legt seine eigene fest. Das Release veröffentlicht den Graphen auf 127.0.0.1:8000, daher geht die Anfrage von Ihrem Rechner aus:

Terminal window
curl -sS -X POST http://127.0.0.1:8000/threads/order-1234/runs -H 'Content-Type: application/json' \
-d '{"message": "Where is my order 1234? It has not arrived yet."}'
{
"thread": "order-1234",
"error": "the run failed: OpenAIAuthenticationError: Error code: 401 - Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key]"
}

Der Schlüssel des Laufs war ein Platzhalter, daher ist die Antwort die Ablehnung dieses Schlüssels durch OpenAI. Leiten Sie auf Kubernetes einen lokalen Port an das Deployment weiter, das keinen Service hat, und senden Sie dieselbe Anfrage von einem anderen Terminal aus daran:

Terminal window
kubectl port-forward deploy/support 8000:8000
Terminal window
curl -sS -X POST http://127.0.0.1:8000/threads/order-1234/runs -H 'Content-Type: application/json' \
-d '{"message": "Where is my order 1234? It has not arrived yet."}'

Die Antwort ist dieselbe.