langgraph简单Demo（使用langserve实现外部调用）

前言

这个示例是研究如何使用langserve实现外部调用

接入大模型参考文章：接入阿里云百炼

1、安装依赖

pip install langserve fastapi uvicorn
pip install sse_starlette

2、代码实现

from fastapi import FastAPI
from langchain_core.messages import HumanMessage, AIMessage
from langchain_openai import ChatOpenAI
from langserve import add_routes
from langchain_core.runnables import RunnableLambda
from langgraph.graph import StateGraph, END
import osfrom openai import BaseModel# 初始化模型(这个地方不知道怎么配置的参考我的上一篇文章：https://blog.csdn.net/qq_33247435/article/details/146216842
model = ChatOpenAI(model="deepseek-r1",openai_api_key=os.environ["BAILIAN_API_KEY"],openai_api_base="https://dashscope.aliyuncs.com/compatible-mode/v1",streaming=False  # 禁用流式传输
)# 定义链式处理流程
def create_chain():def assistant_node(state: dict):last_message = state["messages"][-1]response = model.invoke([AIMessage(content="你是一个友好的助手"),last_message])return {"messages": [AIMessage(content=response.content)]}workflow = StateGraph(dict)workflow.add_node("assistant", assistant_node)workflow.set_entry_point("assistant")workflow.add_edge("assistant", END)return workflow.compile()# 创建FastAPI应用
app = FastAPI(title="LangChain Server",version="1.0",
)# 定义输入模型
class ChatRequest(BaseModel):messages: list# 修改路由配置
add_routes(app,RunnableLambda(create_chain().invoke),path="/chat",input_type=ChatRequest,  # 使用自定义输入模型
)# 修改运行示例部分（调试用）
if __name__ == "__main__":import uvicornprint("测试输入格式:", ChatRequest(messages=[{"content": "测试"}]).model_dump())  # 添加调试输出uvicorn.run(app, host="0.0.0.0", port=8000)

3、效果

启动项目之后就可以直接访问接口文档

文档地址：http://localhost:8000/docs
文档效果：

请求参数：

{"input": {"messages": [{"content": "你好，推荐一本科幻小说","type": "human"  }]}
}

响应结果如下：

{"output": {"messages": [{"content": "你好！如果你喜欢结合哲学思考与独特叙事结构的科幻作品，推荐特德·姜（Ted Chiang）的短篇小说集《你一生的故事》（*Stories of Your Life and Others*）。这部作品以语言学与物理学为切入点，探讨了时间、自由意志与人类认知的边界，尤其是标题篇《你一生的故事》将外星人“七肢桶”的非线性语言与主角的命运交织，呈现了宿命论与选择的深刻主题。文字细腻且逻辑严谨，曾被改编为电影《降临》，但原著对时间本质的探讨更为深邃。如果你偏好硬核科幻与人文哲思的结合，这本书会非常值得一读！","additional_kwargs": {},"response_metadata": {},"type": "ai","name": null,"id": null,"example": false,"tool_calls": [],"invalid_tool_calls": [],"usage_metadata": null}]},"metadata": {"run_id": "72297980-1b46-4667-ab37-a460ef9f389b","feedback_tokens": []}
}

调用效果如图：