Импорт приложения LangGraph
Это пошаговое руководство импортирует конфигурацию приложения LangGraph — одного графа, который отвечает на вопросы клиентов об их заказах, — и собирает приложение для Docker Compose. Импорт создаёт черновик каждого файла, который читает сборка: графа, базы данных PostgreSQL, в которой его checkpointer хранит состояние, модели, которую он вызывает, паролей и ключа в виде ссылок на переменные, а также реализаций каждого из них. Он один раз запрашивает два значения, которых не содержит ни одна конфигурация: модель, которую вызывает код графа, и образ, в котором работает приложение. Каждый файл и каждый блок вывода ниже взяты из реального запуска; конфигурация и каждый этап руководства находятся в примере import-langgraph, где проверочный скрипт снова запускает импорт, сравнивает то, что он записывает, то, что он выводит, и блоки, которые цитирует эта страница, с хранящимися там файлами, а также проверяет и собирает то, что записал импорт.
Создание примера
Этот импорт можно выполнить командами с этой страницы или поручить его вашему ИИ-ассистенту.
Запишите пример в новую папку, названную по его имени:
aggrega scaffold --example import-langgraphЗатем она выводит команды, которые нужно выполнить дальше. Первая переходит в новую папку; следующая, ниже, переходит в её папку source, которая содержит то, что импортирует эта страница, и в которой выполняется импорт:
cd import-langgraph
Проект
Приложение LangGraph хранит свои графы в коде и объявляет их в langgraph.json — файле конфигурации инструмента командной строки LangGraph. Это приложение, написанное для данного руководства, объявляет один граф, support, через путь импорта графа в коде приложения и описание:
{ "$schema": "https://langgra.ph/schema.json", "dependencies": ["."], "python_version": "3.12", "graphs": { "support": { "path": "./src/support_agent/graph.py:graph", "description": "Answers a question from a customer about their order, and hands it to a person when it cannot." } }}Импорт читает langgraph.json и никогда не читает код приложения, поэтому пример содержит только конфигурацию. Рядом с ней .aggrega-config.yaml делает папку рабочим пространством:
# The workspace key marks this directory as the workspace root, so an import run# here writes its drafts beside langgraph.json.workspace: {}# The registry the importer is fetched from the first time an import needs it.default_registry: hub.aggrega.aiИмпорт ссылается на сущности Components каталога для агента LangGraph, PostgreSQL и модели OpenAI, а --target создаёт черновик Manifest на основе сущностей Recipes каталога. Рабочее пространство не указывает ни одной папки каталога, поэтому импорт читает каталог стандартной библиотеки из реестра, из которого получает свой импортёр: подписанный снимок опубликованного каталога, который первый импорт получает, проверяет и сохраняет в кэше содержимого рабочего пространства и который запись, создаваемая импортом рядом с черновиками, называет по его дайджесту. Рабочее пространство, указывающее собственные папки каталога — в AGGREGA_CATALOG_DIRS или в workspace.catalog_dirs, — вместо этого импортирует на их основе.
Что запрашивает импорт
Конфигурация LangGraph не указывает ни модели, поскольку её выбирает код графа, ни образа, поскольку этот образ вы собираете из своего проекта. Поэтому импорт запрашивает и то и другое: имя модели, которую вызывает граф, для модели OpenAI, черновик которой он создаёт, и образ, в котором работает приложение. В терминале он задаёт вопросы и записывает ответы в черновики и в файл ответов import-answers.yaml внутри импортируемого каталога — здесь это корень проекта, ., — так что следующий импорт читает их оттуда и ничего не спрашивает. Без терминала — в непрерывной интеграции или через конвейер — он ничего не спрашивает: записывает файл с пустыми ключами и останавливается:
2 values the drafts leave empty are still owed, listed in the answers file <workspace>/import-answers.yaml: write each beside its key there, then run the import againПример уже содержит этот файл с ответами: граф вызывает gpt-4o-mini от OpenAI, а ghcr.io/example/support-agent:1.0.0 обозначает образ, который вы собираете:
# Values the import could not draft from the source, keyed by the drafted file and the key path inside# it. Write each one beside its key; an import of the same source, and a sync, read them from here and# ask nothing. A secret is never written here: its key asks where the secret comes from — a variable# name, ${NAME}, or the name of a Kubernetes Secret.aggregate.yaml: # Left for the author, since the configuration names no model: values.model, the name of the model # core/ai-model/openai serves. spec.components.model.values.model: "gpt-4o-mini"release.yaml: # Container image running the LangGraph application code. The Docker Compose Recipe runs the catalog's # quickstart agent when it is unset. spec.components.support.infra.image: "ghcr.io/example/support-agent:1.0.0" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.support.uses.checkpointer_db.postgres.features.credential.infra.origin: "support-db-password" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.support.uses.model.model.features.credential.infra.origin: "openai-api-key" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.postgres.features.password.infra.origin: "support-db-password"Три ответа origin предназначены для сборки для Kubernetes с --target helm: там пароль базы данных и ключ OpenAI читаются из объектов Secret Kubernetes, и каждый ответ — это имя объекта Secret: пароль базы данных — из support-db-password, на обоих концах, а ключ — из openai-api-key, — и никогда не сам пароль или ключ. Сборка для Docker Compose вместо этого читает их из вашей оболочки, поэтому данный импорт не использует эти ответы. Файл ответов импорта описывает файл, вопросы и правила для ответа, касающегося секрета.
aggrega import перечисляет все флаги, которые принимает команда, в том числе --answers, указывающий файл ответов, хранящийся в другом месте.
Перейдите в source:
cd sourceЗапуск импорта
Укажите папку приложения. Импорт читает её langgraph.json и никакие другие её файлы:
aggrega import . --target composeВ стандартный вывод он выводит список записанного:
wrote aggregate.yamlwrote release.yamlwrote manifest.yamlwrote .aggrega-import.jsonВ стандартный поток ошибок, где <workspace> обозначает папку, в которой вы его запустили:
[… omitted: a warning that the importer runs unverified, printed where its module is read from beside its Plugin entity in a catalog folder rather than fetched]read as the langgraph format, with drafted paths relative to <workspace>info: the answers file <workspace>/import-answers.yaml also answers spec.components.postgres.features.password.infra.origin in release.yaml, spec.components.support.uses.checkpointer_db.postgres.features.credential.infra.origin in release.yaml, spec.components.support.uses.model.model.features.credential.infra.origin in release.yaml, which these drafts do not leave empty; those answers are kept there and not appliedmapped support (graph) to core/ai-agent/langgraph as a reference, NONEmapped checkpointer (checkpointer) to core/datastore/postgres as a reference, NONEmapped model (model) to core/ai-model/openai as a reference, NONEPull complete: <workspace>/release.lock (entities=10, source_artifacts=0, external_inputs=0)
- Строка
infoназывает ответы, которые не используются черновиками для Docker Compose и хранятся в файле ответов для сборки под Kubernetes. - Строки
mappedсообщают, что граф является экземпляром агента LangGraph из стандартной библиотеки,core/ai-agent/langgraph; что его хранилище контрольных точек — место, где LangGraph хранит состояние каждого графа, — является экземпляромcore/datastore/postgres, поскольку конфигурация не указывает хранилище контрольных точек, и тогда LangGraph хранит состояние в PostgreSQL; и что модель, которую вызывает каждый граф, является экземпляромcore/ai-model/openai. Их уровень —NONE: импорт LangGraph ссылается на эти сущности Components по тому, что объявляет конфигурация, а не сопоставляя каждую из них с каталогом. Конфигурация, у которойcheckpointer.backendравенmongo, оформляется в черновике сcore/datastore/ferretdb, работающим по протоколу MongoDB, поверхcore/datastore/documentdb; оба соединены так, как их соединяет сущность Aggregate FerretDB из каталога, с одним паролем для обоих. - Строка
Pull completeозначает, что импорт получает то, от чего зависит черновик сущности Release, как это делаетaggrega pull, вrelease.lock, чтобы черновики сразу проходили валидацию и сборку. С--offlineимпорт ничего не загружает и называет командуaggrega pull, которую следует выполнить.
Что он записывает
Сущности Aggregate, Release и Manifest получают имя imported/support по единственному графу, который обслуживает langgraph.json, support, так как конфигурация не несёт собственного имени — конфигурация, обслуживающая несколько графов, получает имя по своему файлу или по своей директории, когда, как здесь, импорту передаётся её директория — в пространстве имён, которое задаёт настройка target_namespace импортера, то есть imported, если вы не зададите другое (Настройки).
aggregate.yaml — граф, база данных, в которой он хранит состояние, и модель, которую он вызывает, причём каждое соединение объявляет учётные данные, которые оно предъявляет, а в начале — комментарии о том, что было прочитано, а что нет:
# LangGraph configurations read:# - langgraph.json# Not read: the application's code, which defines each graph; it runs in the image the Release names for each graph.# Not carried, since they configure the server image langgraph build builds, and the image the Release names is the application's own: dependencies, python_version.apiVersion: aggrega.ai/v1beta1kind: Aggregatemetadata: name: imported/support version: 0.1.0 description: Draft Aggregate imported from a source in the langgraph format.spec: components: support: type: core/ai-agent/langgraph values: graph_entrypoint: "./src/support_agent/graph.py:graph" description: "Answers a question from a customer about their order, and hands it to a person when it cannot." uses: checkpointer_db: postgres: target: postgres # For the compose target, the lines below declare credential on postgres: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. features: credential: type: core/secret-value values: key: POSTGRES_PASSWORD model: model: target: model # For the compose target, the lines below declare credential on model: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. features: credential: type: core/secret-value values: key: OPENAI_API_KEY # The database the configuration's checkpointer keeps each graph's state in, PostgreSQL. postgres: type: core/datastore/postgres features: # For the compose target, the lines below declare password on postgres: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. password: type: core/secret-value values: key: POSTGRES_PASSWORD # The model every graph calls, which the configuration does not name. model: type: core/ai-model/openai values: # Left for the author, since the configuration names no model: values.model, the name of the model core/ai-model/openai serves. model: "gpt-4o-mini"graph_entrypoint — это путь импорта графа в том виде, в каком его записывает конфигурация. Его соединение checkpointer_db подключено к базе данных, а соединение model — к модели, имя которой — это ответ, прочитанный импортом из import-answers.yaml. recursion_limit не записан, поэтому действует значение по умолчанию сущности Component — 25. База данных получает пароль, поэтому сущность Recipe для PostgreSQL не записывает собственного, а граф предъявляет тот же пароль в своём соединении с базой данных.
release.yaml — окружение, образ, опубликованный порт и то, откуда берутся ключ и пароли, с комментариями над графом, в которых сказано, какой у него образ и что ему передаётся:
apiVersion: aggrega.ai/v1beta1kind: Releasemetadata: name: imported/support # environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to. environment: development version: 0.1.0 description: Draft Release imported from a source in the langgraph format.spec: aggregate: imported/support manifest: imported/support components: # Each graph's image is the application's own, not the server image langgraph build builds: its code, with LangGraph installed. # It is handed, for its code to read, the graph to run as LANGGRAPH_GRAPH_ENTRYPOINT, the model's name as OPENAI_MODEL, the checkpointer store's host and port as LANGGRAPH_CHECKPOINTER_HOST and LANGGRAPH_CHECKPOINTER_PORT, its user and database, where the store publishes them, as LANGGRAPH_CHECKPOINTER_USER and LANGGRAPH_CHECKPOINTER_DATABASE, and a password attached on the checkpointer_db connection as LANGGRAPH_CHECKPOINTER_PASSWORD. # It is also handed the model's address as OPENAI_BASE_URL and a key attached on the model connection as OPENAI_API_KEY, which the OpenAI client library reads, and recursion_limit as LANGGRAPH_DEFAULT_RECURSION_LIMIT, which LangGraph reads. # An inject: block on the graph's own instance, through an entry reading graph_entrypoint alone, replaces LANGGRAPH_GRAPH_ENTRYPOINT with the name it writes; one on the model connection replaces OPENAI_MODEL, and one on the checkpointer_db connection the store's host, port, user and database, with the names it writes. support: infra: # Left for the Release, since the source cannot supply it: infra.image, the container image running the application image: "ghcr.io/example/support-agent:1.0.0" # Published on this machine's loopback address, 127.0.0.1: reachable from this machine only, by any process running on it. Delete this line to keep the service internal. published_port: 8000 uses: checkpointer_db: postgres: features: credential: type: core/secret-value infra: # Attached by reference, never as a value: the credential support presents to postgres on its checkpointer_db connection, the password of postgres (the configuration names no variable for it), read from the variable POSTGRES_PASSWORD, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${POSTGRES_PASSWORD}" model: model: features: credential: type: core/secret-value infra: # Attached by reference, never as a value: the credential support presents to model on its model connection (the source names no variable for it, so it is read from the one OpenAI's client libraries read the API key from), read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${OPENAI_API_KEY}" postgres: features: password: type: core/secret-value infra: # Attached by reference, never as a value: the password of postgres (the configuration names no variable for it), read from the variable POSTGRES_PASSWORD, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${POSTGRES_PASSWORD}" model: {}Окружение, development, — это значение по умолчанию, которое записывает импорт, поскольку ни одна конфигурация его не указывает; измените его там, где сущность Release развёртывается в другом месте. Образ — это ответ, прочитанный импортом из import-answers.yaml. Граф публикуется на loopback-адресе вашей машины, на порту 8000, с перенаправлением на порт, который слушает его программа, infra.port, 8000, если вы его не зададите. Ключ и пароль — это ссылки на переменные, ${OPENAI_API_KEY} и ${POSTGRES_PASSWORD}, а не значения.
manifest.yaml — сущность Recipe для Compose каждого типа и реализация, которая записывает каждую ссылку на переменную в файл Compose в том виде, в каком она написана:
apiVersion: aggrega.ai/v1beta1kind: Manifestmetadata: name: imported/support version: 0.1.0spec: mappings: components: type: core/ai-agent/langgraph: compose/langgraph core/datastore/postgres: compose/postgres core/ai-model/openai: compose/openai features: type: core/secret-value: compose/dotenv-secretrelease.lock фиксирует по дайджесту сущности каталога, в которые разрешилась сущность Release, а .aggrega-import.json — это сведения о том, что записал импорт; их читает последующий aggrega import --sync.
Проверка и сборка
aggrega validate --release release.yamlaggrega build --release release.yaml

Проверка выводит:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)release dependency validation passed: release.yaml (schema-pillar + dependency pillars)и сборка, где <workspace> обозначает папку, в которой вы её запустили:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)[… omitted: a total build time, which differs per run]Build completed: 1 file written to <workspace>/distСтрока notice носит рекомендательный характер: секретная сущность Feature принимает свой origin из values сущности Aggregate или из infra сущности Release, и уведомление сообщает, что один лист объявлен в обоих. Оно не меняет никакого вердикта.
Сборка записывает dist/compose/docker-compose.yaml со службой для графа, ещё одной для базы данных и ещё одной, которая ждёт базу данных. Служба графа:
support: image: ghcr.io/example/support-agent:1.0.0 environment: LANGGRAPH_DEFAULT_RECURSION_LIMIT: "25" OPENAI_BASE_URL: https://api.openai.com/v1 OPENAI_MODEL: gpt-4o-mini LANGGRAPH_CHECKPOINTER_HOST: postgres LANGGRAPH_CHECKPOINTER_PORT: "5432" LANGGRAPH_CHECKPOINTER_USER: appuser LANGGRAPH_CHECKPOINTER_DATABASE: appdb LANGGRAPH_GRAPH_ENTRYPOINT: ./src/support_agent/graph.py:graph OPENAI_API_KEY: ${OPENAI_API_KEY} LANGGRAPH_CHECKPOINTER_PASSWORD: ${POSTGRES_PASSWORD} ports: - 127.0.0.1:8000:8000 [… omitted: the labels the build writes on every service, naming the Aggregate, the component, the environment and the compiler's version] networks: - compose depends_on: support--wait-for-store: condition: service_completed_successfully postgres: condition: service_startedГраф получает адрес модели, её имя и ключ, хост, порт, пользователя, имя и пароль базы данных, а также собственную точку входа графа. Пользователь и имя базы данных — это значения по умолчанию сущности Component PostgreSQL, appuser и appdb, с которыми создаётся приведённая ниже служба базы данных; граф получает их, потому что сущность Recipe PostgreSQL публикует оба значения, а с хранилищем, которое не публикует ни одного из них, как Valkey, граф не получает ни одного. Имя модели, хост, порт, пользователь и имя базы данных и точка входа графа поступают под именами, которые LangGraph Component передаёт по умолчанию и которые блок inject: на соединении или на самом компоненте для его собственных значений заменяет именами, которые читает ваш код. Адрес модели, её ключ и пароль базы данных остаются под теми именами, которые указаны в блоках, как и LANGGRAPH_DEFAULT_RECURSION_LIMIT, который LangGraph сам читает как лимит шагов запуска, в конфигурации которого лимит не задан. Собственная служба базы данных получает тот же пароль:
postgres: image: postgres:16 environment: POSTGRES_USER: appuser POSTGRES_PASSWORD: ${POSTGRES_PASSWORD} POSTGRES_DB: appdb [… omitted: the labels the build writes on every service, the network, and a health check running PostgreSQL's pg_isready]Служба графа запускается только после того, как третья служба завершит работу. Третья служба выполняется один раз, в образе агента quickstart из каталога, а не в собственном образе графа, и ждёт, пока адрес базы данных не примет TCP-соединение, повторяя попытку каждые 2 с в течение не более 300 с; если к этому времени соединения нет, она завершается, называя адрес, и граф не запускается. Она получает хост и порт базы данных и больше ничего:
support--wait-for-store: image: hub.aggrega.ai/tools/quickstart-agent:1.0.1@sha256:a5f8dcfbb670d86a0cae0aadd2844bec93221a651238f8be3863873e261ee168 [… omitted: the command and the entrypoint, a bash loop that opens a connection to the address] environment: STORE_HOST: postgres STORE_PORT: "5432" [… omitted: the labels the build writes on every service, and the network] restart: "no"Ключ и пароль — это ссылки на переменные, которые заполняются из вашей оболочки при запуске стека. Модель не получает собственной службы: граф обращается к API OpenAI по собственному адресу этого API. Служба графа публикует свой порт только на 127.0.0.1, а к собственному порту базы данных обращаются в сети стека, ничего не публикуя.
С ИИ-ассистентом
ИИ-ассистент, настроенный с инструментами Aggrega, может сделать то же самое: вставьте в него этот промпт.
Используй только инструменты Aggrega и не создавай никаких папок самостоятельно. Если папка Workspace ещё не содержит папку `import-langgraph`, вызови один раз инструмент `scaffold` с `example`, установленным в `import-langgraph`, и без `dir`: он записывает пример в новую папку `import-langgraph`, папка `source` которой содержит то, что импортирует эта страница. Затем вызови инструмент `import` с `workspace_root`, установленным в `import-langgraph/source`, `source`, установленным в `.`, и `target`, установленным в `compose`: он считывает нужные ему ответы из `import-answers.yaml` рядом с `langgraph.json`, записывает свои черновики в `import-langgraph/source` и загружает то, что им нужно. Затем вызови инструмент `validate` с `workspace_root`, установленным в `import-langgraph/source`, и `release`, установленным в `release.yaml`, и инструмент `build` с `workspace_root`, установленным в `import-langgraph/source`, `release`, установленным в `release.yaml`, и `write`, установленным в true. Скажи мне, какие файлы записала сборка; они находятся в `import-langgraph/source/dist/`.Открытие в VS Code
Когда расширение Aggrega для Visual Studio Code установлено, откройте в VS Code папку import-langgraph/source, куда импорт записал свои черновики. Папка содержит одну сущность Release, созданный release.yaml, поэтому редактор выбирает её за вас и проверяет черновики относительно этой сущности Release по мере их редактирования, отмечая найденное в файле и на панели «Проблемы». Aggrega: Show topology graph в палитре команд рисует компоненты сущности Release и соединения между ними. Aggrega: Build, Aggrega: Preview build и Aggrega: Pull действуют на ту же сущность Release, и каждая из них также является кнопкой на панели Commands представления Aggrega на панели действий; Build записывает свои файлы в dist/ папки. Использование Aggrega в Visual Studio Code описывает остальное.
Запуск
Образ вы собираете из проекта с собственным Dockerfile: код графа с установленным LangGraph. Docker Compose запускает собственную команду образа как сервис графа, поскольку сущность Recipe не задаёт никакой, поэтому эта команда должна продолжать работать и должна обслуживать запросы, если вы хотите обращаться к графу. Она находит граф, модель и базу данных через приведённые выше переменные. Адрес, маршрут и ответ определяет ваша программа.
Приведённый ниже запуск использовал такой образ: граф по пути, который указывает langgraph.json, src/support_agent/graph.py, один узел, отвечающий через модель, которую указывает OPENAI_MODEL, и, в качестве команды образа, небольшой собственный HTTP-сервер программы на порту 8000. Образ сохраняет структуру проекта в своём рабочем каталоге, поэтому путь, который указывает LANGGRAPH_GRAPH_ENTRYPOINT, относительно этого каталога находит граф. Сервер загружает этот граф, хранит состояние каждого разговора в базе данных через checkpointer для PostgreSQL из LangGraph, открытый с хостом, портом, пользователем, именем и паролем базы данных, каждое из которых читается из переменной LANGGRAPH_CHECKPOINTER_, под которой оно поступает, поэтому программа сама не записывает ни одного из них, и запускает граф один раз на каждый POST /threads/<thread>/runs. Сервис графа запускается, как только база данных начинает принимать соединения, поэтому сервер, который открывает checkpointer при запуске, застаёт базу данных готовой принимать соединения. Соберите свой образ в корне проекта, запишите его имя вместо ghcr.io/example/support-agent:1.0.0 в import-answers.yaml и снова выполните импорт с --sync, который записывает новый ответ в черновики и снова выполняет pull; затем выполните сборку:
docker build -t order-support:local .aggrega import . --syncaggrega build --release release.yamlЗатем задайте ключ и пароль базы данных в своей оболочке и запустите стек:
export OPENAI_API_KEY='your OpenAI key'export POSTGRES_PASSWORD='a password of your own'docker compose -p order-support -f dist/compose/docker-compose.yaml up -d --wait-p задаёт имя проекта, как объясняет шаг запуска в разделе Как выполняется импорт. --wait возвращает управление, как только база данных сообщит о работоспособном состоянии, ожидание её завершится и сервис графа будет запущен.
Тестирование
Приведённый ниже запрос достигает программы, которую запускает образ из этого пошагового руководства: графа за небольшим HTTP-сервером на порту 8000, отвечающим на POST /threads/<thread>/runs. Ваша собственная программа сама определяет свой маршрут и ответ. Отправьте запрос на http://127.0.0.1:8000, адрес, который публикует published_port:
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]"}Запуск задал для OPENAI_API_KEY значение-заполнитель, поэтому ответ — это отказ OpenAI, переданный программой. Запрос графа дошёл до API OpenAI с ключом, который предоставила сборка, от программы, открывшей свой checkpointer в базе данных с учётными данными, которые предоставила сборка.
Остановите стек командой:
docker compose -p order-support -f dist/compose/docker-compose.yaml down -v-v удаляет том, в котором база данных хранит свои данные, а вместе с ним и разговоры.
В Kubernetes выполните импорт с --target helm и отправьте образ в реестр, из которого ваш кластер загружает образы, указав его имя в import-answers.yaml. Затем создайте Secret openai-api-key и support-db-password и примените сборку, как описывает шаг запуска в разделе Как выполняется импорт. У Deployment графа нет Service. Его под перезапускается, пока база данных не начнёт принимать соединения, потому что программа открывает свой checkpointer при запуске. Пробросьте на него локальный порт; команда работает, пока вы её не остановите:
kubectl port-forward deploy/support 8000:8000Forwarding from 127.0.0.1:8000 -> 8000Forwarding from [::1]:8000 -> 8000Из другого терминала отправьте тот же запрос на перенаправленный порт:
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]"}