Salta ai contenuti
AggregaAggrega
Seleziona lingua: Italiano
Questa pagina è stata tradotta automaticamente. Leggi l’originale in inglese.

Importare un’applicazione LangGraph — un grafo e il suo checkpointer

Il langgraph.json di un’applicazione LangGraph — un grafo, che conserva il proprio stato in PostgreSQL — trasformato in bozze di file Aggrega da aggrega import, con il modello che il grafo chiama e l’immagine dell’applicazione forniti una sola volta in un file di risposte, e compilato per Docker Compose.

Importare un’applicazione LangGraph lo illustra passo per passo: il comando, cosa chiede, i file che scrive e perché ogni riga è lì, la compilazione e il grafo in esecuzione. Questa cartella contiene ogni fase di quella procedura guidata:

cartella o filecosa contiene
source/il langgraph.json dell’applicazione, il .aggrega-config.yaml che rende la cartella un workspace, e import-answers.yaml, i valori che nessuna configurazione contiene: il modello, l’immagine dell’applicazione e i nomi dei Secret di Kubernetes da cui una compilazione per Kubernetes legge la chiave e la password del database
draft/i file che aggrega import . --target compose ha scritto, invariati, release.lock compreso, e ciò che ha stampato: stdout.txt sullo standard output, import.txt sullo standard error

La configurazione è scritta per questo esempio. Il codice dell’applicazione non ne fa parte: l’importazione non lo legge mai, e la Release indica l’immagine in cui viene eseguito.

In un checkout del repository della documentazione, check.sh esegue di nuovo l’importazione, confronta ciò che scrive e stampa con draft/, confronta i blocchi citati dalla procedura guidata con questi file, e convalida e compila ciò che l’importazione ha scritto. Richiede il catalogo della libreria standard (dove procurarselo) estratto accanto a questo repository, oppure la sua directory indicata in AGGREGA_CATALOG_DIRS.

Generare l’esempio

Puoi eseguire l’importazione di questo esempio con i comandi qui sotto, oppure far sì che il tuo assistente AI la esegua per te.

Scrivi l’esempio in una nuova cartella che porta il suo nome:

Terminal window
aggrega scaffold --example import-langgraph

Poi stampa i prossimi comandi da eseguire. Il primo ti porta nella nuova cartella:

Terminal window
cd import-langgraph

Build

L’import scrive le bozze dei file Aggrega accanto al progetto, in source/. Confronta il progetto con il catalogo della libreria standard, che il registry predefinito del workspace pubblica come un’istantanea firmata: il primo import la scarica, la verifica, la conserva nella cache dei contenuti del workspace e la indica tramite il suo digest nel registro che scrive accanto alle bozze. Un workspace che indica le proprie cartelle di catalogo — in AGGREGA_CATALOG_DIRS, o sotto workspace.catalog_dirs — esegue invece l’import rispetto a quelle. L’import legge il modello e l’immagine da import-answers.yaml, poi scarica ciò da cui dipende la Release in bozza, così la compilazione segue subito:

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

L’immagine indicata dall’esempio rappresenta una che compili a partire dal tuo progetto; come compilarla ed eseguire lo stack è spiegato nella procedura guidata collegata sopra.

Con un assistente AI

Un assistente IA configurato con gli strumenti di Aggrega può fare lo stesso: incolla questo prompt nell’assistente.

Usa solo gli strumenti di Aggrega e non creare tu alcuna cartella. Se la cartella dell’area di lavoro non contiene ancora una cartella `import-langgraph`, chiama una volta lo strumento `scaffold` con `example` impostato a `import-langgraph` e senza `dir`: scrive l’esempio in una nuova cartella `import-langgraph`, la cui cartella `source` contiene ciò che questo esempio importa. Poi chiama lo strumento `import` con `workspace_root` impostato a `import-langgraph/source`, `source` impostato a `.` e `target` impostato a `compose`: legge le risposte di cui ha bisogno da `import-answers.yaml` accanto a `langgraph.json`, scrive le sue bozze in `import-langgraph/source` e scarica ciò di cui hanno bisogno. Poi chiama lo strumento `validate` con `workspace_root` impostato a `import-langgraph/source` e `release` impostato a `release.yaml`, e lo strumento `build` con `workspace_root` impostato a `import-langgraph/source`, `release` impostato a `release.yaml` e `write` impostato a true. Dimmi quali file ha scritto la build; si trovano in `import-langgraph/source/dist/`.

Eseguire il test

Con lo stack in esecuzione come lo esegue la guida, una richiesta raggiunge il grafo. La route qui sotto è quella del programma della guida stessa, un piccolo server HTTP sulla porta 8000; il tuo programma decide la propria. La Release pubblica il grafo su 127.0.0.1:8000, quindi la richiesta parte dalla tua macchina:

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]"
}

La chiave dell’esecuzione era un segnaposto, quindi la risposta è il rifiuto di OpenAI. Su Kubernetes, inoltra una porta locale al Deployment, che non ha alcun Service, e inviagli la stessa richiesta da un altro terminale:

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."}'

La risposta è la stessa.