Імпорт застосунку LangGraph
Цей покроковий посібник імпортує конфігурацію застосунку LangGraph — одного графа, що відповідає на запитання клієнтів про їхні замовлення, — і збирає застосунок для Docker Compose. Імпорт створює чернетку кожного файлу, який читає збірка: графа, бази даних PostgreSQL, у якій його checkpointer зберігає стан, моделі, яку він викликає, паролів і ключа як посилань на змінні, а також реалізацій кожного з них. Він один раз запитує два значення, яких не містить жодна конфігурація: модель, яку викликає код графа, і образ, у якому працює застосунок. Кожен файл і кожен блок виводу нижче взято з реального запуску; конфігурація та кожен етап посібника містяться в прикладі import-langgraph, де скрипт перевірки знову запускає імпорт, порівнює те, що він записує, те, що він виводить, і блоки, які цитує ця сторінка, зі збереженими там файлами, а також валідує й збирає те, що записав імпорт.
Створення прикладу
Цей імпорт можна виконати командами з цієї сторінки або доручити його вашому ШІ-асистенту.
Запишіть приклад у нову теку, названу за ним:
aggrega scaffold --example import-langgraphПотім вона виводить команди, які слід виконати далі. Перша переходить у нову теку; наступна, нижче, переходить у її теку source, яка містить те, що імпортує ця сторінка, і де виконується імпорт:
cd import-langgraph
Проєкт
Застосунок LangGraph тримає свої графи в коді й оголошує їх у langgraph.json — файлі конфігурації інструмента командного рядка LangGraph. Цей застосунок, написаний для цього посібника, оголошує один граф, support, через шлях імпорту графа в коді застосунку та опис:
{ "$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." } }}Імпорт читає langgraph.json і ніколи не читає код застосунку, тож приклад містить лише конфігурацію. Поруч із нею .aggrega-config.yaml робить теку робочим простором:
# 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.aiІмпорт посилається на сутності Components каталогу для агента LangGraph, PostgreSQL і моделі OpenAI, а --target створює чернетку Manifest на основі сутностей Recipes каталогу. Робочий простір не вказує жодної теки каталогу, тому імпорт читає каталог стандартної бібліотеки з реєстру, з якого отримує свій імпортер: підписаний знімок опублікованого каталогу, який перший імпорт отримує, перевіряє та зберігає в кеші вмісту робочого простору і який запис, що його імпорт пише поруч зі своїми чернетками, називає за дайджестом. Робочий простір, що вказує власні теки каталогу — у AGGREGA_CATALOG_DIRS або в workspace.catalog_dirs, — натомість імпортує на їх основі.
Що запитує імпорт
Конфігурація LangGraph не вказує жодної моделі, оскільки її обирає код графа, і жодного образу, оскільки цей образ ви збираєте зі свого проєкту. Тож імпорт запитує обидва: назву моделі, яку викликає граф, для моделі OpenAI, чернетку якої він створює, і образ, у якому працює застосунок. У терміналі він ставить запитання й записує відповіді в чернетки та у файл відповідей import-answers.yaml усередині каталогу, який імпортує, — тут це корінь проєкту, ., — тож наступний імпорт читає їх звідти й нічого не запитує. Без термінала — у безперервній інтеграції або через конвеєр — він нічого не запитує: записує файл із порожніми ключами й зупиняється:
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 againПриклад уже містить цей файл із відповідями: граф викликає gpt-4o-mini від OpenAI, а ghcr.io/example/support-agent:1.0.0 позначає образ, який ви збираєте:
# 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 відповіді origin призначені для збирання для Kubernetes із --target helm: там пароль бази даних і ключ OpenAI зчитуються з об’єктів Secret Kubernetes, і кожна відповідь — це назва об’єкта Secret: пароль бази даних — із support-db-password, на обох кінцях, а ключ — з openai-api-key, — і ніколи не сам пароль чи ключ. Збирання для Docker Compose натомість зчитує їх із вашої оболонки, тож цей імпорт не використовує цих відповідей. Файл відповідей імпорту описує файл, запитання та правила для відповіді щодо секрету.
aggrega import перелічує кожен прапорець, який приймає команда, зокрема --answers, що вказує файл відповідей, збережений деінде.
Перейдіть у source:
cd sourceЗапуск імпорту
Укажіть теку застосунку. Імпорт читає її langgraph.json і жодного іншого її файлу:
aggrega import . --target composeУ стандартний вивід він виводить перелік записаного:
wrote aggregate.yamlwrote release.yamlwrote manifest.yamlwrote .aggrega-import.jsonУ стандартний потік помилок, де <workspace> позначає теку, у якій ви його 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)
- Рядок
infoназиває відповіді, які не використовують чернетки для Docker Compose і які зберігаються у файлі відповідей для збирання під Kubernetes. - Рядки
mappedповідомляють, що граф є екземпляром агента LangGraph зі стандартної бібліотеки,core/ai-agent/langgraph; що його сховище контрольних точок — місце, де LangGraph зберігає стан кожного графа, — є екземпляромcore/datastore/postgres, оскільки конфігурація не вказує сховища контрольних точок, і тоді LangGraph зберігає стан у PostgreSQL; і що модель, яку викликає кожен граф, є екземпляромcore/ai-model/openai. Їхній рівень —NONE: імпорт LangGraph посилається на ці сутності Components за тим, що оголошує конфігурація, а не зважуючи кожну з них щодо каталогу. Конфігурацію, у якоїcheckpointer.backendмає значенняmongo, оформлюють у чернетці зcore/datastore/ferretdb, що працює за протоколом MongoDB, поверхcore/datastore/documentdb; обидва з’єднано так, як їх з’єднує сутність Aggregate FerretDB з каталогу, з одним паролем для обох. - Рядок
Pull completeозначає, що імпорт отримує те, від чого залежить чернетка сутності Release, як це робитьaggrega pull, уrelease.lock, щоб чернетки одразу проходили валідацію та збірку. З--offlineімпорт нічого не завантажує і називає командуaggrega pull, яку слід виконати.
Що він записує
Сутності Aggregate, Release і Manifest отримують назву imported/support за єдиним графом, який обслуговує langgraph.json, support, оскільки конфігурація не має власної назви — конфігурація, що обслуговує кілька графів, отримує назву за своїм файлом або за своєю текою, коли, як тут, імпорту передано її теку — у просторі імен, який задає налаштування target_namespace імпортера, тобто imported, якщо ви не задасте інший (Налаштування).
aggregate.yaml — граф, база даних, у якій він зберігає стан, і модель, яку він викликає, причому кожне з’єднання оголошує облікові дані, які воно пред’являє, а на початку — коментарі, що повідомляють, що було прочитано, а що ні:
# 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 — це шлях імпорту графа в тому вигляді, як його записує конфігурація. Його з’єднання checkpointer_db під’єднано до бази даних, а з’єднання model — до моделі, назва якої є відповіддю, яку імпорт прочитав з import-answers.yaml. recursion_limit не записано, тож діє типове значення сутності Component — 25. База даних отримує пароль, тож сутність Recipe для PostgreSQL не записує власного, а граф пред’являє той самий пароль у своєму з’єднанні з базою даних.
release.yaml — середовище, образ, опублікований порт і те, звідки надходять ключ і паролі, з коментарями над графом, які кажуть, який у нього образ і що йому передається:
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: {}Середовище, development, — це типове значення, яке записує імпорт, оскільки жодна конфігурація його не вказує; змініть його там, де сутність Release розгортається деінде. Образ — це відповідь, яку імпорт прочитав з import-answers.yaml. Граф публікується на loopback-адресі вашої машини, на порту 8000, з перенаправленням на порт, який слухає його програма, infra.port, 8000, якщо ви його не задасте. Ключ і пароль — це посилання на змінні, ${OPENAI_API_KEY} і ${POSTGRES_PASSWORD}, а не значення.
manifest.yaml — сутність Recipe для Compose кожного типу та реалізація, яка записує кожне посилання на змінну у файл Compose так, як його написано:
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 фіксує за дайджестом сутності каталогу, до яких розв’язалася сутність Release, а .aggrega-import.json — це відомості про те, що записав імпорт; їх читає пізніший aggrega import --sync.
Перевірка та збирання
aggrega validate --release release.yamlaggrega build --release release.yaml

Перевірка виводить:
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)і збірка, де <workspace> позначає теку, у якій ви її 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>/distРядок notice має рекомендаційний характер: секретна сутність Feature приймає свій origin із values сутності Aggregate або з infra сутності Release, і повідомлення сповіщає, що один листок оголошено в обох. Воно не змінює жодного вердикту.
Збірка записує dist/compose/docker-compose.yaml зі службою для графа, ще однією для бази даних і ще однією, яка чекає на базу даних. 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 отримує адресу моделі, її назву та ключ, хост, порт, користувача, назву і пароль бази даних, а також власну точку входу графа. Користувач і назва бази даних — це значення за замовчуванням сутності Component PostgreSQL, appuser і appdb, з якими створюється наведена нижче служба бази даних; граф отримує їх, тому що сутність Recipe PostgreSQL публікує обидва, а зі сховищем, яке не публікує жодного з них, як Valkey, граф не отримує жодного. Назва моделі, хост, порт, користувач і назва бази даних і точка входу графа надходять під іменами, які LangGraph Component передає за замовчуванням і які блок inject: на з’єднанні, або на самому компоненті для його власних значень, замінює іменами, які читає ваш код. Адреса моделі, її ключ і пароль бази даних залишаються під тими іменами, які наводять блоки, як і LANGGRAPH_DEFAULT_RECURSION_LIMIT, який LangGraph сам читає як ліміт кроків запуску, конфігурація якого його не задає. Власна служба бази даних отримує той самий 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 запускається лише після того, як третя служба завершить роботу. Третя служба виконується один раз, в образі агента quickstart з каталогу, а не у власному образі графа, і чекає, доки адреса бази даних не прийме TCP-з’єднання, повторюючи спробу кожні 2 с протягом щонайбільше 300 с; якщо до того часу з’єднання немає, вона завершує роботу, назвавши адресу, і граф не запускається. Вона отримує хост і порт бази даних і більше нічого:
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 і пароль — це посилання на змінні, які заповнюються з вашої оболонки під час запуску стека. Модель не отримує власної служби: граф звертається до API OpenAI за власною адресою цього API. Служба графа публікує свій порт лише на 127.0.0.1, а до власного порту бази даних звертаються в мережі стека, нічого не публікуючи.
З ШІ-асистентом
ШІ-асистент, налаштований з інструментами Aggrega, може зробити те саме: вставте в нього цей промпт.
Використовуй лише інструменти Aggrega й не створюй жодної теки самостійно. Якщо тека Workspace ще не містить теки `import-langgraph`, виклич один раз інструмент `scaffold` з `example`, встановленим у `import-langgraph`, і без `dir`: він записує приклад у нову теку `import-langgraph`, тека `source` якої містить те, що імпортує ця сторінка. Потім виклич інструмент `import` з `workspace_root`, встановленим у `import-langgraph/source`, `source`, встановленим у `.`, і `target`, встановленим у `compose`: він зчитує потрібні йому відповіді з `import-answers.yaml` поруч із `langgraph.json`, записує свої чернетки в `import-langgraph/source` і завантажує те, що їм потрібно. Потім виклич інструмент `validate` з `workspace_root`, встановленим у `import-langgraph/source`, і `release`, встановленим у `release.yaml`, та інструмент `build` з `workspace_root`, встановленим у `import-langgraph/source`, `release`, встановленим у `release.yaml`, і `write`, встановленим у true. Скажи мені, які файли записала збірка; вони лежать у `import-langgraph/source/dist/`.Відкриття у VS Code
Коли розширення Aggrega для Visual Studio Code встановлено, відкрийте у VS Code теку import-langgraph/source, куди імпорт записав свої чернетки. Тека містить одну сутність Release, створений release.yaml, тож редактор вибирає її для вас і перевіряє чернетки відносно цієї сутності Release, поки ви їх редагуєте, позначаючи знайдене у файлі та на панелі «Проблеми». Aggrega: Show topology graph у палітрі команд малює компоненти сутності Release і з’єднання між ними. Aggrega: Build, Aggrega: Preview build і Aggrega: Pull діють на ту саму сутність Release, і кожна з них також є кнопкою на панелі Commands подання Aggrega на панелі дій; Build записує свої файли в dist/ теки. Використання Aggrega у Visual Studio Code описує решту.
Запуск
Образ ви збираєте з проєкту за допомогою власного Dockerfile: код графа зі встановленим LangGraph. Docker Compose запускає власну команду образу як сервіс графа, оскільки сутність Recipe не задає жодної, тож ця команда має працювати безперервно й має обслуговувати запити, якщо ви хочете звертатися до графа. Вона знаходить граф, модель і базу даних через наведені вище змінні. Адресу, маршрут і відповідь визначає ваша програма.
Наведений нижче запуск використовував такий образ: граф за шляхом, який указує langgraph.json, src/support_agent/graph.py, один вузол, що відповідає через модель, яку вказує OPENAI_MODEL, і, як команда образу, невеликий власний HTTP-сервер програми на порту 8000. Образ зберігає структуру проєкту у своєму робочому каталозі, тож шлях, який указує LANGGRAPH_GRAPH_ENTRYPOINT, відносно цього каталогу знаходить граф. Сервер завантажує цей граф, зберігає стан кожної розмови в базі даних через checkpointer для PostgreSQL з LangGraph, відкритий із хостом, портом, користувачем, назвою і паролем бази даних, кожне з яких читається зі змінної LANGGRAPH_CHECKPOINTER_, під якою воно надходить, тож програма сама не записує жодного з них, і запускає граф один раз для кожного POST /threads/<thread>/runs. Сервіс графа запускається, щойно база даних приймає з’єднання, тож сервер, який відкриває checkpointer під час запуску, застає базу даних готовою приймати з’єднання. Зберіть свій образ у кореневому каталозі проєкту, запишіть його назву замість ghcr.io/example/support-agent:1.0.0 в import-answers.yaml та імпортуйте знову з --sync, який записує нову відповідь у чернетки й знову виконує pull; потім зберіть:
docker build -t order-support:local .aggrega import . --syncaggrega build --release release.yamlПотім задайте ключ і пароль бази даних у своїй оболонці та запустіть 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 задає назву проєкту, як пояснює крок запуску в розділі Як виконується імпорт. --wait повертає керування, щойно база даних повідомить про справний стан, очікування на неї завершиться і сервіс графа запуститься.
Тестування
Наведений нижче запит досягає програми, яку запускає образ цього покрокового посібника: графа за невеликим HTTP-сервером на порту 8000, що відповідає на POST /threads/<thread>/runs. Ваша власна програма сама визначає свій маршрут і відповідь. Надішліть запит на http://127.0.0.1:8000, адресу, яку публікує 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 задав для OPENAI_API_KEY значення-заповнювач, тож відповідь — це відмова OpenAI, яку передає програма. Запит графа дійшов до API OpenAI з ключем, який надала збірка, від програми, що відкрила свій checkpointer у базі даних з обліковими даними, які надала збірка.
Зупиніть стек командою:
docker compose -p order-support -f dist/compose/docker-compose.yaml down -v-v видаляє том, у якому база даних зберігає свої дані, а разом із ним і розмови.
У Kubernetes виконайте імпорт із --target helm і надішліть образ до реєстру, з якого ваш кластер завантажує образи, вказавши його назву в import-answers.yaml. Потім створіть Secret openai-api-key і support-db-password та застосуйте збірку, як описує крок запуску в розділі Як виконується імпорт. Deployment графа не має Service. Його под перезапускається, доки база даних не почне приймати з’єднання, бо програма відкриває свій checkpointer під час запуску. Переадресуйте на нього локальний порт; команда працює, доки ви її не зупините:
kubectl port-forward deploy/support 8000:8000Forwarding from 127.0.0.1:8000 -> 8000Forwarding from [::1]:8000 -> 8000З іншого термінала надішліть той самий запит на перенаправлений 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]"}