Importar uma aplicação LangGraph — um grafo e seu checkpointer
O langgraph.json de uma aplicação LangGraph — um grafo, que mantém seu estado no PostgreSQL — convertido em rascunhos de arquivos Aggrega por aggrega import, com o modelo que o grafo chama e a imagem da aplicação respondidos uma única vez em um arquivo de respostas, e compilado para Docker Compose.
Importar uma aplicação LangGraph percorre o processo passo a passo: o comando, o que ele pergunta, os arquivos que ele escreve e por que cada linha está ali, o build e o grafo em execução. Esta pasta contém cada etapa desse passo a passo:
| pasta ou arquivo | o que contém |
|---|---|
source/ | o langgraph.json da aplicação, o .aggrega-config.yaml que torna a pasta um espaço de trabalho, e import-answers.yaml, os valores que nenhuma configuração contém: o modelo, a imagem da aplicação e os nomes dos Secrets do Kubernetes dos quais um build para Kubernetes lê a chave e a senha do banco de dados |
draft/ | os arquivos que aggrega import . --target compose escreveu, sem alterações, incluindo release.lock, e o que ele imprimiu: stdout.txt na saída padrão, import.txt na saída de erro padrão |
A configuração foi escrita para este exemplo. O código da aplicação não faz parte do exemplo: a importação nunca o lê, e a Release indica a imagem em que ele é executado.
Em um checkout do repositório da documentação, check.sh executa a importação novamente, compara o que ela escreve e imprime com draft/, compara os blocos que o passo a passo cita com estes arquivos, e valida e compila o que a importação escreveu. Ele precisa do catálogo da biblioteca padrão (onde obter um) em um checkout ao lado deste repositório, ou do diretório dele indicado em AGGREGA_CATALOG_DIRS.
Gerar o exemplo
Você pode executar a importação deste exemplo com os comandos abaixo, ou pedir ao seu assistente de IA que a execute para você.
Escreva o exemplo em uma nova pasta com o nome dele:
aggrega scaffold --example import-langgraphEm seguida ele imprime os próximos comandos a executar. O primeiro entra na pasta nova:
cd import-langgraphBuild
A importação cria os rascunhos dos arquivos Aggrega ao lado do projeto, em source/. Ela avalia o projeto em relação ao catálogo da biblioteca padrão, que o registry padrão do espaço de trabalho publica como um snapshot assinado: a primeira importação o obtém, o verifica, o mantém no cache de conteúdo do espaço de trabalho e o nomeia pelo seu digest no registro que grava ao lado dos rascunhos. Um espaço de trabalho que nomeia suas próprias pastas de catálogo — em AGGREGA_CATALOG_DIRS ou em workspace.catalog_dirs — importa com base nelas em vez disso. A importação lê o modelo e a imagem de import-answers.yaml e então obtém aquilo de que a Release rascunhada depende, de modo que o build vem logo em seguida:
cd sourceaggrega import . --target composeaggrega build --release release.yamlA imagem que o exemplo indica representa uma que você constrói a partir do seu projeto; como construí-la e executar a stack está no passo a passo indicado acima.
Com um assistente de IA
Um assistente de IA configurado com as ferramentas do Aggrega pode fazer o mesmo: cole este prompt nele.
Use apenas as ferramentas do Aggrega e não crie nenhuma pasta por conta própria. Se a pasta do espaço de trabalho ainda não contém uma pasta `import-langgraph`, chame uma vez a ferramenta `scaffold` com `example` definido como `import-langgraph` e sem `dir`: ela grava o exemplo em uma nova pasta `import-langgraph`, cuja pasta `source` contém o que este exemplo importa. Depois chame a ferramenta `import` com `workspace_root` definido como `import-langgraph/source`, `source` definido como `.` e `target` definido como `compose`: ela lê as respostas de que precisa de `import-answers.yaml` ao lado de `langgraph.json`, grava seus rascunhos em `import-langgraph/source` e baixa o que eles precisam. Depois chame a ferramenta `validate` com `workspace_root` definido como `import-langgraph/source` e `release` definido como `release.yaml`, e a ferramenta `build` com `workspace_root` definido como `import-langgraph/source`, `release` definido como `release.yaml` e `write` definido como true. Diga-me quais arquivos o build gravou; eles estão em `import-langgraph/source/dist/`.Teste
Com o stack em execução do jeito que o passo a passo o executa, uma requisição chega ao grafo. A rota abaixo é a do próprio programa do passo a passo, um pequeno servidor HTTP na porta 8000; o seu próprio programa decide a dele. A Release publica o grafo em 127.0.0.1:8000, então a requisição parte da sua máquina:
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]"}A chave da execução era um placeholder, então a resposta é a recusa dessa chave pela OpenAI. No Kubernetes, encaminhe uma porta local para o Deployment, que não tem Service, e envie a mesma requisição a ele de outro terminal:
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."}'A resposta é a mesma.