Lewati ke konten
AggregaAggrega
Pilih Bahasa: Bahasa Indonesia
Halaman ini diterjemahkan oleh mesin. Baca versi asli dalam bahasa Inggris.

Mengimpor aplikasi LangGraph — satu graf dan checkpointer-nya

langgraph.json dari aplikasi LangGraph — satu graf, yang menyimpan keadaannya di PostgreSQL — dijadikan draf berkas Aggrega oleh aggrega import, dengan model yang dipanggil graf dan image aplikasi dijawab sekali dalam berkas jawaban, lalu di-build untuk Docker Compose.

Mengimpor aplikasi LangGraph membahasnya langkah demi langkah: perintahnya, apa yang ditanyakannya, berkas yang ditulisnya dan alasan setiap barisnya ada, build-nya, serta graf yang berjalan. Folder ini memuat setiap tahap dari panduan tersebut:

folder atau berkasisinya
source/langgraph.json milik aplikasi, .aggrega-config.yaml yang menjadikan folder ini ruang kerja, dan import-answers.yaml, nilai-nilai yang tidak dimuat oleh konfigurasi mana pun: model, image aplikasi, dan nama Secret Kubernetes tempat build untuk Kubernetes membaca kunci dan kata sandi basis data
draft/berkas yang ditulis oleh aggrega import . --target compose, tanpa diubah, termasuk release.lock, dan apa yang dicetaknya: stdout.txt pada keluaran standar, import.txt pada galat standar

Konfigurasi ini ditulis untuk contoh ini. Kode aplikasi bukan bagian dari contoh ini: impor tidak pernah membacanya, dan Release menyebutkan image tempat kode itu berjalan.

Dalam checkout repositori dokumentasi, check.sh menjalankan impor lagi, membandingkan apa yang ditulis dan dicetaknya dengan draft/, membandingkan blok yang dikutip panduan dengan berkas-berkas ini, serta memvalidasi dan mem-build apa yang ditulis oleh impor. Skrip ini memerlukan katalog pustaka standar (cara mendapatkannya) yang di-checkout di samping repositori ini, atau direktorinya disebutkan dalam AGGREGA_CATALOG_DIRS.

Membuat contoh

Anda dapat menjalankan impor contoh ini dengan perintah di bawah, atau meminta asisten AI Anda menjalankannya untuk Anda.

Tulis contoh ke folder baru yang dinamai sesuai contoh itu:

Terminal window
aggrega scaffold --example import-langgraph

Kemudian ia mencetak perintah yang dijalankan berikutnya. Perintah pertama berpindah ke folder baru:

Terminal window
cd import-langgraph

Build

Impor membuat draf berkas Aggrega di samping proyek, di source/. Impor menimbang proyek terhadap katalog pustaka standar, yang diterbitkan registry default workspace sebagai snapshot bertanda tangan: impor pertama mengambilnya, memverifikasinya, menyimpannya di cache konten workspace, dan menyebutkannya berdasarkan digest-nya dalam catatan yang ditulisnya di samping draf. Workspace yang menyebutkan folder katalognya sendiri — di AGGREGA_CATALOG_DIRS, atau di bawah workspace.catalog_dirs — mengimpor terhadap folder-folder itu sebagai gantinya. Impor membaca model dan image dari import-answers.yaml, lalu menarik apa yang menjadi dependensi Release hasil draf, sehingga build dapat langsung menyusul:

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

Image yang disebutkan contoh ini mewakili image yang Anda build dari proyek Anda; cara mem-build-nya dan menjalankan stack-nya ada di panduan yang ditautkan di atas.

Dengan asisten AI

Asisten AI yang disiapkan dengan tool Aggrega dapat melakukan hal yang sama: tempelkan prompt ini ke asisten tersebut.

Gunakan hanya alat Aggrega, dan jangan membuat folder sendiri. Jika folder ruang kerja belum berisi folder `import-langgraph`, panggil alat `scaffold` sekali dengan `example` diatur ke `import-langgraph` dan tanpa `dir`: alat itu menulis contoh ke folder `import-langgraph` yang baru, dengan folder `source` di dalamnya yang berisi apa yang diimpor contoh ini. Lalu panggil alat `import` dengan `workspace_root` diatur ke `import-langgraph/source`, `source` diatur ke `.`, dan `target` diatur ke `compose`: alat itu membaca jawaban yang dibutuhkannya dari `import-answers.yaml` di samping `langgraph.json`, menulis drafnya ke `import-langgraph/source`, dan menarik apa yang dibutuhkan draf tersebut. Lalu panggil alat `validate` dengan `workspace_root` diatur ke `import-langgraph/source` dan `release` diatur ke `release.yaml`, serta alat `build` dengan `workspace_root` diatur ke `import-langgraph/source`, `release` diatur ke `release.yaml`, dan `write` diatur ke true. Beri tahu saya berkas mana yang ditulis build; berkas tersebut berada di bawah `import-langgraph/source/dist/`.

Mengujinya

Dengan stack berjalan seperti yang dijalankan panduan, satu permintaan mencapai graf. Rute di bawah ini adalah milik program panduan itu sendiri, sebuah server HTTP kecil pada port 8000; program Anda sendiri menentukan rutenya sendiri. Release memublikasikan graf di 127.0.0.1:8000, sehingga permintaan dikirim dari mesin Anda:

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]"
}

Kunci pada run ini adalah placeholder, sehingga jawabannya adalah penolakan OpenAI terhadap kunci itu. Di Kubernetes, teruskan port lokal ke Deployment, yang tidak memiliki Service, lalu kirim permintaan yang sama ke sana dari terminal lain:

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."}'

Jawabannya sama.