로컬 서버 실행

이 가이드에서는 LangGraph 애플리케이션을 로컬에서 실행하는 방법을 보여줍니다.

사전 요구 사항

시작하기 전에 다음을 준비해야 합니다:

• LangSmith API 키 - 무료로 가입할 수 있습니다

1. LangGraph CLI 설치

pip

# Python >= 3.11이 필요합니다.
pip install -U "langgraph-cli[inmem]"

2. LangGraph 앱 생성 🌱

new-langgraph-project-python 템플릿에서 새 앱을 생성합니다. 이 템플릿은 자신의 로직으로 확장할 수 있는 단일 노드 애플리케이션을 보여줍니다.

langgraph new path/to/your/app --template new-langgraph-project-python

추가 템플릿 템플릿을 지정하지 않고 langgraph new를 사용하면 사용 가능한 템플릿 목록에서 선택할 수 있는 대화형 메뉴가 표시됩니다.

3. 종속성 설치

새로운 LangGraph 앱의 루트에서 edit 모드로 종속성을 설치하여 서버가 로컬 변경 사항을 사용하도록 합니다:

pip

cd path/to/your/app
pip install -e .

4. .env 파일 생성

새로운 LangGraph 앱의 루트에 .env.example 파일이 있습니다. 루트에 .env 파일을 생성하고 .env.example 파일의 내용을 복사한 다음 필요한 API 키를 입력합니다:

LANGSMITH_API_KEY=lsv2...

5. LangGraph Server 실행 🚀

LangGraph API 서버를 로컬에서 시작합니다:

langgraph dev

샘플 출력:

>    Ready!
>
>    - API: [http://localhost:2024](http://localhost:2024/)
>
>    - Docs: http://localhost:2024/docs
>
>    - LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

langgraph dev 명령은 인메모리 모드로 LangGraph Server를 시작합니다. 이 모드는 개발 및 테스트 목적에 적합합니다. 프로덕션 사용을 위해서는 영구 스토리지 백엔드에 액세스할 수 있는 LangGraph Server를 배포하세요. 자세한 내용은 호스팅 개요를 참조하세요.

6. Studio에서 애플리케이션 테스트

Studio는 LangGraph API 서버에 연결하여 애플리케이션을 시각화하고 상호 작용하며 로컬에서 디버그할 수 있는 전용 UI입니다. langgraph dev 명령의 출력에 제공된 URL을 방문하여 Studio에서 그래프를 테스트하세요:

>    - LangGraph Studio Web UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

사용자 지정 호스트/포트에서 실행되는 LangGraph Server의 경우 baseURL 매개변수를 업데이트하세요.

Safari 호환성

Safari는 localhost 서버에 연결할 때 제한이 있으므로 명령에 --tunnel 플래그를 사용하여 보안 터널을 생성하세요:

langgraph dev --tunnel

7. API 테스트

Python SDK (async)

1. LangGraph Python SDK를 설치합니다:

pip install langgraph-sdk

2. 어시스턴트에 메시지를 보냅니다 (스레드 없는 실행):

from langgraph_sdk import get_client
import asyncio

client = get_client(url="http://localhost:2024")

async def main():
    async for chunk in client.runs.stream(
        None,  # Threadless run
        "agent", # Name of assistant. Defined in langgraph.json.
        input={
        "messages": [{
            "role": "human",
            "content": "What is LangGraph?",
            }],
        },
    ):
        print(f"Receiving new event of type: {chunk.event}...")
        print(chunk.data)
        print("\n\n")

asyncio.run(main())

Python SDK (sync)

1. LangGraph Python SDK를 설치합니다:

pip install langgraph-sdk

2. 어시스턴트에 메시지를 보냅니다 (스레드 없는 실행):

from langgraph_sdk import get_sync_client

client = get_sync_client(url="http://localhost:2024")

for chunk in client.runs.stream(
    None,  # Threadless run
    "agent", # Name of assistant. Defined in langgraph.json.
    input={
        "messages": [{
            "role": "human",
            "content": "What is LangGraph?",
        }],
    },
    stream_mode="messages-tuple",
):
    print(f"Receiving new event of type: {chunk.event}...")
    print(chunk.data)
    print("\n\n")

Rest API

curl -s --request POST \
    --url "http://localhost:2024/runs/stream" \
    --header 'Content-Type: application/json' \
    --data "{
        \"assistant_id\": \"agent\",
        \"input\": {
            \"messages\": [
                {
                    \"role\": \"human\",
                    \"content\": \"What is LangGraph?\"
                }
            ]
        },
        \"stream_mode\": \"messages-tuple\"
    }"

다음 단계

이제 로컬에서 실행되는 LangGraph 앱이 있으므로 배포 및 고급 기능을 탐색하여 여정을 더욱 발전시키세요:

• 배포 빠른 시작: LangSmith를 사용하여 LangGraph 앱을 배포합니다.

• LangSmith: 기본적인 LangSmith 개념을 학습합니다.

• Python SDK Reference: Python SDK API Reference를 탐색합니다.

---

Edit the source of this page on GitHub.

Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.