本地智能体调测环境搭建：
第一步：安装LangGraph CLI
pip install --upgrade "langgraph-cli[inmem]"
第二步：配置LanghSmith 环境变量
.env --- LANGSMITH_API_KEY
.env 文件如果有中文注释可能会报错
.env是个人的api_key相关配置，此处不粘贴，自行编辑。
第三步：创建LangGraph json配置文件
langgraph.json 说明
{"dependencies": ["."], # 该行无需修改"graphs": {"agent": "./src/agent.py:agent" # 该行需要根据实际文件来配置，调用哪个py中的哪个agent实例(变量名称)},"env": ".env"
}
第四步：编写智能体代码
# -*- coding: utf-8 -*-
from langchain.agents import create_agentfrom ai_util import AIUtildef do_something(to: str, subject: str, body: str):"""向上汇报"""email = {"to": to,"subject": subject,"body": body}# ... 汇报的逻辑return f"汇报已发送至 {to}"llm = AIUtil().create_normal_llm()
agent = create_agent(llm,tools=[do_something],system_prompt="你是一个汇报助手。请始终使用 do_something工具。",
)
第五步：生成 pyproject.toml 配置文件 并安装依赖项
pyproject.toml 怎么生成？
pip install uv
uv init
[project]
name = "agent"
version = "0.0.1"
description = "Study angent 2025 11 20"
readme = "README.md"
requires-python = ">=3.13"
dependencies = [][tool.setuptools.packages.find]
where = ["src/agent"]
include = ["ai_util.py"]
# 使用如下命令按照 pyproject.toml的配置生成一个 name对应的智能体依赖项
pip install -e .
看到如下提示 则表示生成成功
Successfully built agent
Installing collected packages: agent
Successfully installed agent-0.0.1
第六步：启动智能体
langgraph dev
如果没有报错，会自动打开浏览器进入页面
http://127.0.0.1:2024
https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
![image]()
