Import aplikacji LangGraph — jeden graf i jego checkpointer
Plik langgraph.json aplikacji LangGraph — jeden graf, przechowujący swój stan w PostgreSQL — przekształcony przez aggrega import w szkice plików Aggrega, z modelem wywoływanym przez graf i obrazem aplikacji podanymi raz w pliku odpowiedzi, i skompilowany dla Docker Compose.
Import aplikacji LangGraph omawia to krok po kroku: polecenie, o co pyta, pliki, które zapisuje, i dlaczego każdy wiersz się w nich znajduje, kompilację oraz działający graf. Ten folder zawiera każdy etap tego przewodnika:
| folder lub plik | zawartość |
|---|---|
source/ | plik langgraph.json aplikacji, .aggrega-config.yaml, który czyni folder obszarem roboczym, oraz import-answers.yaml, wartości, których nie zawiera żadna konfiguracja: model, obraz aplikacji oraz nazwy obiektów Secret Kubernetes, z których kompilacja dla Kubernetes odczytuje klucz i hasło bazy danych |
draft/ | pliki zapisane przez aggrega import . --target compose, bez zmian, łącznie z release.lock, oraz to, co polecenie wypisało: stdout.txt na standardowe wyjście, import.txt na standardowe wyjście błędów |
Konfiguracja jest napisana na potrzeby tego przykładu. Kod aplikacji nie jest jej częścią: import nigdy go nie czyta, a encja Release wskazuje obraz, w którym działa.
W kopii repozytorium dokumentacji check.sh ponownie uruchamia import, porównuje to, co zapisuje i wypisuje, z draft/, porównuje bloki cytowane w przewodniku z tymi plikami oraz waliduje i kompiluje to, co zapisał import. Wymaga katalogu biblioteki standardowej (skąd go pobrać) pobranego obok tego repozytorium albo jego folderu wskazanego w AGGREGA_CATALOG_DIRS.
Generowanie przykładu
Import tego przykładu można uruchomić poleceniami poniżej albo zlecić jego uruchomienie swojemu asystentowi AI.
Należy zapisać przykład w nowym folderze nazwanym tak jak on:
aggrega scaffold --example import-langgraphNastępnie wypisuje polecenia do uruchomienia w dalszej kolejności. Pierwsze przechodzi do nowego folderu:
cd import-langgraphKompilacja
Import tworzy szkice plików Aggrega obok projektu, w source/. Porównuje projekt z katalogiem biblioteki standardowej, który domyślny rejestr obszaru roboczego publikuje jako podpisaną migawkę: pierwszy import ją pobiera, weryfikuje, przechowuje w pamięci podręcznej treści obszaru roboczego i wskazuje według skrótu w zapisie, który tworzy obok szkiców. Obszar roboczy, który wskazuje własne foldery katalogu — w AGGREGA_CATALOG_DIRS lub pod workspace.catalog_dirs — importuje zamiast tego względem nich. Import odczytuje model i obraz z import-answers.yaml, a następnie pobiera to, od czego zależy szkic encji Release, więc kompilacja może nastąpić od razu:
cd sourceaggrega import . --target composeaggrega build --release release.yamlObraz wskazany w przykładzie zastępuje obraz budowany z własnego projektu; jego budowanie i uruchamianie stosu opisuje przewodnik podlinkowany powyżej.
Z asystentem AI
Asystent AI skonfigurowany z narzędziami Aggrega może zrobić to samo: wystarczy wkleić mu ten prompt.
Używaj wyłącznie narzędzi Aggrega i nie twórz samodzielnie żadnego folderu. Jeśli folder obszaru roboczego nie zawiera jeszcze folderu `import-langgraph`, wywołaj raz narzędzie `scaffold` z `example` ustawionym na `import-langgraph` i bez `dir`: zapisze ono przykład w nowym folderze `import-langgraph`, którego folder `source` zawiera to, co importuje ten przykład. Następnie wywołaj narzędzie `import` z `workspace_root` ustawionym na `import-langgraph/source`, `source` ustawionym na `.` i `target` ustawionym na `compose`: odczytuje ono potrzebne odpowiedzi z `import-answers.yaml` obok `langgraph.json`, zapisuje swoje szkice w `import-langgraph/source` i pobiera to, czego one potrzebują. Następnie wywołaj narzędzie `validate` z `workspace_root` ustawionym na `import-langgraph/source` i `release` ustawionym na `release.yaml` oraz narzędzie `build` z `workspace_root` ustawionym na `import-langgraph/source`, `release` ustawionym na `release.yaml` i `write` ustawionym na true. Powiedz mi, które pliki zapisała kompilacja; znajdują się w `import-langgraph/source/dist/`.Testowanie
Gdy stos działa tak, jak uruchamia go przewodnik, jedno żądanie dociera do grafu. Poniższa trasa należy do własnego programu przewodnika, małego serwera HTTP na porcie 8000; własny program decyduje o swojej. Encja Release publikuje graf na 127.0.0.1:8000, więc żądanie wychodzi z własnego komputera:
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]"}Klucz tego uruchomienia był symbolem zastępczym, więc odpowiedzią jest odmowa OpenAI dla tego klucza. W Kubernetes należy przekierować lokalny port do Deployment, który nie ma Service, i wysłać do niego to samo żądanie z innego terminala:
kubectl port-forward deploy/support 8000:8000curl -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."}'Odpowiedź jest taka sama.