Importar uma aplicação LangGraph — um grafo e o seu checkpointer
O langgraph.json de uma aplicação LangGraph — um grafo, que mantém o seu estado em PostgreSQL — convertido em rascunhos de ficheiros Aggrega por aggrega import, com o modelo que o grafo chama e a imagem da aplicação indicados uma única vez num ficheiro de respostas, e compilado para Docker Compose.
Importar uma aplicação LangGraph percorre o processo passo a passo: o comando, o que pergunta, os ficheiros que escreve e porque está ali cada linha, a compilação e o grafo em execução. Esta pasta contém cada etapa desse guia:
| pasta ou ficheiro | 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 de onde uma compilação para Kubernetes lê a chave e a palavra-passe da base de dados |
draft/ | os ficheiros que aggrega import . --target compose escreveu, inalterados, incluindo release.lock, e o que 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 é executado.
Num checkout do repositório da documentação, check.sh volta a executar a importação, compara o que esta escreve e imprime com draft/, compara os blocos que o guia cita com estes ficheiros, e valida e compila o que a importação escreveu. Precisa do catálogo da biblioteca padrão (onde obter um) num checkout ao lado deste repositório, ou do respetivo diretório indicado em AGGREGA_CATALOG_DIRS.
Gerar o exemplo
É possível executar a importação deste exemplo com os comandos abaixo, ou pedir ao seu assistente de IA que a execute por si.
Escreva o exemplo numa nova pasta com o nome dele:
aggrega scaffold --example import-langgraphDepois, imprime os próximos comandos a executar. O primeiro entra na nova pasta:
cd import-langgraphCompilação
A importação cria os rascunhos dos ficheiros Aggrega junto ao projeto, em source/. Avalia o projeto face ao catálogo da biblioteca padrão, que o registo predefinido do espaço de trabalho publica como um instantâneo assinado: a primeira importação obtém-no, verifica-o, mantém-no na cache de conteúdos do espaço de trabalho e indica-o pelo seu digest no histórico que escreve junto aos rascunhos. Um espaço de trabalho que indica as suas próprias pastas de catálogo — em AGGREGA_CATALOG_DIRS ou em workspace.catalog_dirs — importa antes com base nessas. A importação lê o modelo e a imagem de import-answers.yaml e depois obtém aquilo de que a Release rascunhada depende, pelo que a compilação se segue de imediato:
cd sourceaggrega import . --target composeaggrega build --release release.yamlA imagem que o exemplo indica representa uma que é construída a partir do seu projeto; a sua construção e a execução da stack estão descritas no guia indicado acima.
Com um assistente de IA
Um assistente de IA configurado com as ferramentas do Aggrega pode fazer o mesmo: cole-lhe este prompt.
Use apenas as ferramentas do Aggrega e não crie nenhuma pasta por iniciativa própria. Se a pasta do espaço de trabalho ainda não contiver uma pasta `import-langgraph`, chame uma vez a ferramenta `scaffold` com `example` definido como `import-langgraph` e sem `dir`: esta escreve o exemplo numa nova pasta `import-langgraph`, cuja pasta `source` contém o que este exemplo importa. Em seguida, chame a ferramenta `import` com `workspace_root` definido como `import-langgraph/source`, `source` definido como `.` e `target` definido como `compose`: esta lê as respostas de que precisa a partir de `import-answers.yaml`, ao lado de `langgraph.json`, escreve os seus rascunhos em `import-langgraph/source` e obtém aquilo de que precisam. Em seguida, 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. Indique-me que ficheiros o build escreveu; encontram-se em `import-langgraph/source/dist/`.Testar
Com a stack em execução tal como o guia a executa, um pedido chega ao grafo. A rota abaixo é a do próprio programa do guia, um pequeno servidor HTTP na porta 8000; o seu próprio programa decide a sua. A Release publica o grafo em 127.0.0.1:8000, pelo que o pedido 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 marcador de posição, pelo que a resposta é a recusa dessa chave pela OpenAI. No Kubernetes, reencaminhe uma porta local para o Deployment, que não tem Service, e envie-lhe o mesmo pedido a partir 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.