İçeriğe geç
AggregaAggrega
Dil seçin: Türkçe
Bu sayfa makine çevirisiyle çevrilmiştir. İngilizce orijinalini okuyun.

Bir LangGraph uygulamasını içe aktarma

Bu adım adım kılavuz, bir LangGraph uygulamasının yapılandırmasını — müşterilerin siparişleriyle ilgili sorularını yanıtlayan tek bir grafı — içe aktarır ve uygulamayı Docker Compose için derler. İçe aktarma, derlemenin okuduğu her dosyanın taslağını hazırlar: graf, checkpointer’ının durumu sakladığı PostgreSQL veritabanı, çağırdığı model, değişken referansları olarak parolalar ve anahtar ve her birinin gerçekleştirmeleri. Hiçbir yapılandırmanın içermediği iki değeri bir kez sorar: grafın kodunun çağırdığı model ve uygulamanın içinde çalıştığı imaj. Aşağıdaki her dosya ve her çıktı bloğu gerçek bir çalıştırmadan gelir; yapılandırma ve kılavuzun her aşaması import-langgraph örneğindedir; orada bir denetim betiği içe aktarmayı yeniden çalıştırır, yazdıklarını, yazdırdıklarını ve bu sayfanın alıntıladığı blokları orada tutulan dosyalarla karşılaştırır ve içe aktarmanın yazdıklarını doğrulayıp derler.

Örneği oluşturun

Bu içe aktarmayı bu sayfadaki komutlarla çalıştırabilir ya da yapay zekâ asistanınıza sizin için çalıştırtabilirsiniz.

Örneği, adını taşıyan yeni bir klasöre yazın:

Terminal window
aggrega scaffold --example import-langgraph

Ardından sırada çalıştırılacak komutları yazdırır. İlki yeni klasöre geçer; ondan sonraki, aşağıda, yeni klasörün içindeki, bu sayfanın içe aktardıklarını barındıran ve içe aktarmanın çalıştığı yer olan source klasörüne geçer:

Terminal window
cd import-langgraph

İskelesi oluşturulmuş örneğin Visual Studio Code'da açılmış source klasörü; tek bir grafı, support, belirten LangGraph yapılandırmasını gösteriyor.

Proje

Bir LangGraph uygulaması graflarını kodda tutar ve bunları, LangGraph’ın komut satırı aracının yapılandırma dosyası olan langgraph.json dosyasında bildirir. Bu kılavuz için yazılmış olan bu uygulama, support adlı tek bir grafı, grafın uygulama kodundaki içe aktarma yolu ve bir açıklama ile bildirir:

{
"$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."
}
}
}

İçe aktarma langgraph.json dosyasını okur, uygulamanın kodunu ise hiçbir zaman okumaz; bu nedenle örnek yalnızca yapılandırmayı içerir. Yanındaki bir .aggrega-config.yaml, klasörü bir çalışma alanı yapar:

# 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.ai

İçe aktarma, kataloğun LangGraph ajanı, PostgreSQL ve OpenAI modeli Components’ine başvurur; --target ise kataloğun Recipes’inden bir Manifest taslağı hazırlar. Çalışma alanı hiçbir katalog klasörü belirtmediği için içe aktarma, standart kütüphane kataloğunu içe aktarıcısını getirdiği kayıt defterinden okur. Bu, yayımlanmış kataloğun imzalı bir anlık görüntüsüdür: ilk içe aktarma onu getirir, doğrular ve çalışma alanının içerik önbelleğinde tutar; içe aktarmanın taslaklarının yanına yazdığı kayıt da onu özetiyle adlandırır. Kendi katalog klasörlerini AGGREGA_CATALOG_DIRS içinde veya workspace.catalog_dirs altında belirten bir çalışma alanı ise bunun yerine bunlara göre içe aktarır.

İçe aktarmanın sordukları

Bir LangGraph yapılandırması hiçbir model belirtmez, çünkü modeli grafın kodu seçer; hiçbir imaj da belirtmez, çünkü o imajı projenizden siz oluşturursunuz. Bu yüzden içe aktarma ikisini de sorar: taslağını hazırladığı OpenAI modeli için grafın çağırdığı modelin adını ve uygulamanın içinde çalıştığı imajı. Bir terminalde sorar ve yanıtları taslaklara ve içe aktardığı dizinin içindeki yanıt dosyasına, import-answers.yaml’a yazar — burada projenin kökü, . — böylece bir sonraki içe aktarma bunları oradan okur ve hiçbir şey sormaz. Terminal yokken — sürekli entegrasyonda veya bir boru üzerinden — hiçbir şey sormaz: dosyayı anahtarları boş olarak yazar ve durur:

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 again

Örnek, dosyayı zaten yanıtlanmış olarak içerir: graf OpenAI’ın gpt-4o-mini modelini çağırır ve ghcr.io/example/support-agent:1.0.0 oluşturduğunuz imajı temsil eder:

# 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"

Üç origin yanıtı, --target helm ile Kubernetes için yapılan bir derleme içindir: orada veritabanının parolası ve OpenAI anahtarı Kubernetes Secret’larından okunur ve her yanıt bir Secret’ın adıdır — veritabanının parolası her iki uçta da support-db-password’dan, anahtar ise openai-api-key’den — asla parolanın veya anahtarın kendisi değil. Docker Compose için yapılan bir derleme ise bunları kabuğunuzdan okur, bu yüzden bu içe aktarma o yanıtları kullanmaz. İçe aktarma yanıt dosyası dosyayı, soruları ve bir gizli bilginin yanıtına ilişkin kuralları açıklar.

aggrega import, komutun aldığı her bayrağı listeler; bunlar arasında başka bir yerde tutulan bir yanıtlar dosyasını adlandıran --answers da vardır.

source klasörüne geçin:

Terminal window
cd source

İçe aktarmayı çalıştırma

Uygulamanın dizinini belirtin. İçe aktarma, bu dizindeki langgraph.json dosyasını okur ve başka hiçbir dosyasını okumaz:

Terminal window
aggrega import . --target compose

Standart çıktıda yazdıklarını listeler:

wrote aggregate.yaml
wrote release.yaml
wrote manifest.yaml
wrote .aggrega-import.json

Standart hatada, <workspace> onu çalıştırdığınız klasörü temsil edecek şekilde:

[… 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 applied
mapped support (graph) to core/ai-agent/langgraph as a reference, NONE
mapped checkpointer (checkpointer) to core/datastore/postgres as a reference, NONE
mapped model (model) to core/ai-model/openai as a reference, NONE
Pull complete: <workspace>/release.lock (entities=10, source_artifacts=0, external_inputs=0)

Düzenleyiciden çalıştırılan içe aktarma: taslak olarak oluşturulan Aggregate, Release ve Manifest LangGraph yapılandırmasının yanında görünür, Aggrega çıktısı grafın, kontrol noktası tutucusunun ve modelinin nasıl eşlendiğini ve yazılan dosyaları listeler ve bir bildirim, içe aktarmanın langgraph olarak tanınan 3 dosyayı taslak olarak oluşturduğunu söyler.

  • info satırı, Docker Compose taslaklarının kullanmadığı ve Kubernetes için bir derleme amacıyla yanıt dosyasında tutulan yanıtları adlandırır.
  • mapped satırları, grafın standart kütüphanenin LangGraph ajanı olan core/ai-agent/langgraph’ın bir örneği olduğunu; LangGraph’ın her grafın durumunu tuttuğu yer olan checkpointer’ının bir core/datastore/postgres örneği olduğunu, çünkü yapılandırma hiçbir checkpointer belirtmez ve bu durumda LangGraph durumu PostgreSQL’de tutar; ve her grafın çağırdığı modelin bir core/ai-model/openai örneği olduğunu söyler. Bu satırların düzeyi NONE olarak görünür: LangGraph içe aktarması bu Components’e, her birini katalogla tartarak değil, yapılandırmanın bildirdiklerine göre başvurur. checkpointer.backend değeri mongo olan bir yapılandırma, MongoDB’nin protokolünü konuşan core/datastore/ferretdb ile core/datastore/documentdb üzerinde taslak olarak hazırlanır; ikisi, kataloğun FerretDB Aggregate’inin bağladığı gibi bağlanır ve her ikisi için tek bir parola kullanılır.
  • Pull complete satırı, içe aktarmanın taslağı oluşturulan Release’in bağlı olduğu şeyleri aggrega pull gibi release.lock içine getirmesidir; böylece taslaklar hemen doğrulanır ve derlenir. --offline ile içe aktarma hiçbir şey çekmez ve çalıştırılacak aggrega pull komutunu belirtir.

Ne yazar

Aggregate, Release ve Manifest, bir yapılandırma kendi adını taşımadığı için langgraph.json dosyasının sunduğu tek grafın adından, support, imported/support olarak adlandırılır — birden fazla graf sunan bir yapılandırma dosyasının adını alır ya da buradaki gibi içe aktarmaya dizini verildiğinde dizininin adını alır — ve içe aktarıcının target_namespace ayarının belirlediği ad alanı altında yer alır; bu ad alanı, başka birini ayarlamadığınız sürece imported olur (Ayarlar).

aggregate.yaml — graf, durumunu tuttuğu veritabanı ve çağırdığı model; her bağlantı sunduğu kimlik bilgisini bildirir; neyin okunduğunu ve neyin okunmadığını söyleyen yorumlarla başlar:

# 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/v1beta1
kind: Aggregate
metadata:
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, grafın yapılandırmada yazıldığı biçimdeki içe aktarma yoludur. checkpointer_db bağlantısı veritabanına, model bağlantısı ise adı içe aktarmanın import-answers.yaml dosyasından okuduğu yanıt olan modele bağlanmıştır. recursion_limit yazılmamıştır, bu nedenle Component’in varsayılan değeri olan 25 geçerli kalır. Veritabanı bir parola alır; bu yüzden PostgreSQL Recipe’i kendi parolasını yazmaz ve graf, veritabanına olan bağlantısında aynı parolayı sunar.

release.yaml — ortam, imaj, yayımlanan bağlantı noktası ve anahtarla parolaların nereden geldiği; grafın üstündeki yorumlar grafın imajının ne olduğunu ve ona neyin verildiğini söyler:

apiVersion: aggrega.ai/v1beta1
kind: Release
metadata:
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: {}

Ortam, development, hiçbir yapılandırma bir ortam belirtmediği için içe aktarmanın yazdığı bir varsayılandır; Release başka bir yere dağıtılıyorsa onu değiştirin. İmaj, içe aktarmanın import-answers.yaml dosyasından okuduğu yanıttır. Graf, makinenizin geri döngü adresinde 8000’de yayımlanır ve programının dinlediği bağlantı noktasına, infra.port değerine yönlendirilir; bu değer siz ayarlamadıkça 8000’dir. Anahtar ve parola, ${OPENAI_API_KEY} ve ${POSTGRES_PASSWORD} değişken başvurularıdır, asla değer değildir.

manifest.yaml — her türün Compose Recipe’i ve her değişken başvurusunu Compose dosyasına yazıldığı gibi yazan gerçekleştirme:

apiVersion: aggrega.ai/v1beta1
kind: Manifest
metadata:
name: imported/support
version: 0.1.0
spec:
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-secret

release.lock, Release’in çözümlendiği katalog varlıklarını özetleriyle (digest) kaydeder; .aggrega-import.json ise içe aktarmanın yazdıklarının kaydıdır ve sonraki bir aggrega import --sync onu okur.

Doğrulama ve derleme

Terminal window
aggrega validate --release release.yaml
aggrega build --release release.yaml

Doğrulamadan sonra düzenleyicide açılan taslak Release; Aggrega çıktısı ve bir bildirim, hiçbir sorun bulunmadığını bildiriyor.

Taslak Release'in derlemesi: Gezgin'de bir dist klasörü belirir, Aggrega çıktısı yazılan Docker Compose dosyasını listeler ve bir bildirim 1 dosyanın yazıldığını söyler.

Doğrulama şunu yazdırır:

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)

ve derleme; burada <workspace>, onu çalıştırdığınız klasörü temsil eder:

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>/dist

notice satırı yalnızca bilgilendirme amaçlıdır: gizli bilgi Feature’ı kendi origin değerini Aggregate’in values alanından ya da Release’in infra alanından kabul eder ve bildirim, bir yaprağın ikisinde de bildirildiğini raporlar. Hiçbir kararı değiştirmez.

Derleme; biri graf, biri veritabanı, biri de veritabanını bekleyen olmak üzere üç hizmetle dist/compose/docker-compose.yaml dosyasını yazar. Grafın hizmeti:

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_started

Graf, modelin adresini, adını ve anahtarını, veritabanının ana makinesini, bağlantı noktasını, kullanıcısını, adını ve parolasını ve kendi graf giriş noktasını alır. Kullanıcı ve veritabanı adı, PostgreSQL Component’inin varsayılanlarıdır: appuser ve appdb; aşağıdaki veritabanı hizmeti bunlarla oluşturulur. Graf bunları, PostgreSQL Recipe’si ikisini de yayımladığı için alır; Valkey gibi ikisinden hiçbirini yayımlamayan bir depoyla ise ikisinden hiçbirini almaz. Modelin adı, veritabanının ana makinesi, bağlantı noktası, kullanıcısı ve adı ve graf giriş noktası, LangGraph Component’inin varsayılan olarak teslim ettiği adlarla ulaşır; bağlantı üzerindeki ya da kendi değerleri için bileşenin kendisi üzerindeki bir inject: bloğu bu adları kodunuzun okuduğu adlarla değiştirir. Modelin adresi, anahtarı ve veritabanının parolası blokların verdiği adlarla kalır; LANGGRAPH_DEFAULT_RECURSION_LIMIT de öyle kalır; LangGraph bunu, yapılandırması hiçbir adım sınırı belirlemeyen bir çalıştırmanın adım sınırı olarak kendiliğinden okur. Veritabanının kendi hizmeti de aynı parolayı alır:

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]

Grafın hizmeti ancak üçüncü hizmet tamamlandıktan sonra başlar. Üçüncü hizmet, grafın kendi imajında değil, kataloğun quickstart ajan imajında yalnızca bir kez çalışır ve veritabanının adresi bir TCP bağlantısını kabul edene kadar, 2 saniyede bir ve en fazla 300 saniye boyunca deneyerek bekler; o zamana kadar bağlantı kurulamazsa adresi belirterek çıkar ve graf başlatılmaz. Bu hizmete veritabanının ana makinesi ve bağlantı noktası verilir, başka hiçbir şey verilmez:

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"

Anahtar ve parola, yığın başladığında kabuğunuzdan doldurulan değişken başvurularıdır. Model kendine ait bir hizmet almaz: graf, OpenAI API’sine API’nin kendi adresinden ulaşır. Grafın hizmeti bağlantı noktasını yalnızca 127.0.0.1 üzerinde yayımlar ve veritabanının kendi bağlantı noktasına, hiçbir şey yayımlanmadan, yığının ağı üzerinden ulaşılır.

Bir yapay zekâ asistanıyla

Aggrega’nın araçlarıyla kurulmuş bir yapay zekâ asistanı da aynısını yapabilir: bu istemi ona yapıştırın.

Yalnızca Aggrega araçlarını kullan ve kendin hiçbir klasör oluşturma. Workspace klasöründe henüz `import-langgraph` klasörü yoksa, `scaffold` aracını `example` değeri `import-langgraph` olacak ve `dir` verilmeyecek şekilde bir kez çağır: araç örneği yeni bir `import-langgraph` klasörüne yazar; bu klasörün `source` klasörü bu sayfanın içe aktardığı şeyleri içerir. Ardından `import` aracını `workspace_root` değeri `import-langgraph/source`, `source` değeri `.` ve `target` değeri `compose` olacak şekilde çağır: araç ihtiyaç duyduğu yanıtları `langgraph.json` yanındaki `import-answers.yaml` dosyasından okur, taslaklarını `import-langgraph/source` içine yazar ve taslakların ihtiyaç duyduklarını çeker. Ardından `validate` aracını `workspace_root` değeri `import-langgraph/source` ve `release` değeri `release.yaml` olacak şekilde, `build` aracını da `workspace_root` değeri `import-langgraph/source`, `release` değeri `release.yaml` ve `write` değeri true olacak şekilde çağır. Derlemenin hangi dosyaları yazdığını bana söyle; bunlar `import-langgraph/source/dist/` altındadır.

VS Code’da açın

Visual Studio Code için Aggrega uzantısı yüklüyken, içe aktarmanın taslaklarını yazdığı import-langgraph/source klasörünü VS Code’da açın. Klasör tek bir Release, yani taslak olarak oluşturulan release.yaml dosyasını içerdiğinden düzenleyici onu sizin için seçer ve siz taslakları düzenlerken onları bu Release’e göre denetler, bulduklarını dosyada ve Sorunlar panelinde işaretler. Komut Paleti’ndeki Aggrega: Show topology graph, Release’in bileşenlerini ve aralarındaki bağlantıları çizer. Aggrega: Build, Aggrega: Preview build ve Aggrega: Pull aynı Release üzerinde çalışır ve her biri etkinlik çubuğundaki Aggrega görünümünün Commands panelinde bir düğme olarak da bulunur; Build dosyalarını klasörün dist/ dizinine yazar. Gerisini Visual Studio Code’da Aggrega kullanma ele alır.

Çalıştırın

İmajı, kendi Dockerfile’ınızla projeden derlersiniz: grafın kodu, LangGraph kurulu olarak. Recipe bir komut belirlemediği için Docker Compose imajın kendi komutunu grafın servisi olarak çalıştırır; bu yüzden bu komutun çalışmaya devam etmesi ve grafa ulaşmak istiyorsanız istekleri karşılaması gerekir. Komut grafı, modeli ve veritabanını yukarıdaki değişkenler aracılığıyla bulur. Adresi, rotayı ve yanıtı programınız belirler.

Aşağıdaki çalıştırma böyle bir imaj kullandı: langgraph.json dosyasının belirttiği yoldaki graf, src/support_agent/graph.py, OPENAI_MODEL değişkeninin belirttiği model aracılığıyla yanıt veren bir düğüm ve imajın komutu olarak programın 8000 numaralı portta çalışan kendi küçük HTTP sunucusu. İmaj, projenin düzenini çalışma dizininde korur; bu yüzden LANGGRAPH_GRAPH_ENTRYPOINT değişkeninin belirttiği, bu dizine göreli yol grafı bulur. Sunucu bu grafı yükler, her konuşmanın durumunu LangGraph’ın PostgreSQL checkpointer’ı aracılığıyla veritabanında tutar ve her POST /threads/<thread>/runs için grafı bir kez çalıştırır. Checkpointer, veritabanının ana makinesi, portu, kullanıcısı, adı ve parolasıyla açılır; bunların her biri ulaştığı LANGGRAPH_CHECKPOINTER_ değişkeninden okunur, bu yüzden program hiçbirini kendisi yazmaz. Grafın servisi, veritabanı bağlantı kabul eder etmez başlar; bu yüzden checkpointer’ı başlarken açan bir sunucu, veritabanını bağlantı kabul eder durumda bulur. İmajınızı projenin kök dizininde derleyin, import-answers.yaml içinde ghcr.io/example/support-agent:1.0.0 yerine imajın adını yazın ve yeni yanıtı taslaklara yazıp yeniden çeken --sync ile yeniden içe aktarın; ardından derleyin:

Terminal window
docker build -t order-support:local .
aggrega import . --sync
aggrega build --release release.yaml

Ardından anahtarı ve veritabanının parolasını kabuğunuzda ayarlayın ve yığını başlatın:

Terminal window
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, Bir içe aktarma nasıl çalışır bölümünün çalıştırma adımında açıklandığı gibi projeye ad verir. --wait, veritabanı sağlıklı olduğunu bildirdiğinde, onun için bekleme tamamlandığında ve grafın servisi çalıştığında döner.

Test edin

Aşağıdaki istek, bu adım adım kılavuzun imajının çalıştırdığı programa ulaşır: 8000 numaralı porttaki küçük bir HTTP sunucusunun arkasında, POST /threads/<thread>/runs isteğine yanıt veren graf. Kendi programınız kendi rotasına ve yanıtına kendisi karar verir. İsteği published_port değerinin yayımladığı adrese, http://127.0.0.1:8000 adresine gönderin:

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]"
}

Çalıştırma OPENAI_API_KEY değerini bir yer tutucuya ayarladı; bu yüzden yanıt, OpenAI’ın bu anahtarı reddetmesidir ve program bunu iletir. Grafın isteği, derlemenin sağladığı anahtarla OpenAI API’sine ulaştı; isteği gönderen program, kontrol noktası kaydedicisini veritabanında derlemenin sağladığı kimlik bilgileriyle açmıştı.

Stack’i şu komutla durdurun:

Terminal window
docker compose -p order-support -f dist/compose/docker-compose.yaml down -v

-v, veritabanının verilerini tuttuğu birimi ve onunla birlikte konuşmaları kaldırır.

Kubernetes’te --target helm ile içe aktarın ve imajı kümenizin çektiği bir kayıt defterine gönderip adını import-answers.yaml içine yazın. Ardından openai-api-key ve support-db-password Secret’larını oluşturun ve derlemeyi, Bir içe aktarma nasıl çalışır bölümünün çalıştırma adımında açıklandığı gibi uygulayın. Grafın Deployment’ının Service’i yoktur. Program başlarken kontrol noktası kaydedicisini açtığı için, pod’u veritabanı bağlantı kabul edene kadar yeniden başlar. Ona yerel bir port yönlendirin; komut siz durdurana kadar çalışır:

Terminal window
kubectl port-forward deploy/support 8000:8000
Forwarding from 127.0.0.1:8000 -> 8000
Forwarding from [::1]:8000 -> 8000

Başka bir terminalden aynı isteği yönlendirilen porta gönderin:

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]"
}