日喀则市网站建设_网站建设公司_表单提交_seo优化

在基于DeepAgents轻松构建 AI Coding Agent这篇文章中，我介绍了如何基于最新的 LangChain 1.0 和 DeepAgents 轻松构建一个简单但却功能强大和全面的 Coding Agent，其中还通过子 Agent 实现了代码审查、测试生成、文档生成、调试和代码重构等能力。

那么，当完成了一个 Agent 的开发后，我们应该如何在本地进行快速地测试、调试和验证呢？好在 LangChain 生态很完善，它提供了LangSmith Deployment、LangGraph CLI、Agent Chat UI等工具，涵盖了后端 agent 服务部署、前端 UI 交互等功能，可以帮助我们很方便地在本地进行验证开发和调测。

接下来就基于deep-code-agent这个项目具体聊聊如何使用 LangChain 的这些工具进行 Agent 的测试和开发。

项目环境准备

从源码安装

1. 克隆仓库

   gitclone https://github.com/hzhaoy/deep-code-agent.gitcddeep-code-agent

2. 安装依赖

   uvsync

通过uv sync一个命令，就可以完成从 python 虚拟环境创建到项目依赖安装的所有工作，其中用于部署 Agent 服务的依赖主要是"langgraph-cli[inmem]"，它提供了langgraph dev的启动部署命令，用于部署 Agent 服务。

项目配置

这里主要是环境变量的设置，通过新建一个.env文件进行配置：

1. 从示例模板创建一个.env 文件

   cp.env.example .env

2. 使用你的配置编辑.env文件：

   # OpenAI API ConfigurationOPENAI_API_KEY=your-openai-api-key-here OPENAI_API_BASE=https://api.openai.com/v1# LLM Model ConfigurationMODEL_NAME=your-model-name-here

Agent

这里我们需要新建一个目录用于保存测试所需的文件，可以放在项目根目录下（比如项目目录下的 server，这里也以根目录下的server目录为例进行说明），也可以是其他任意的位置。

然后创建一个用于调试的 Agent，后续用于部署服务和前端交互：

fromdeep_code_agentimportcreate_code_agent agent=create_code_agent(codebase_dir="/tmp/test")

将上面的代码保存为一个名为agent.py的 python 文件，并放在server目录下

LangGraph配置文件

创建一个名为langgraph.json的文件，输入以下内容，并放置在server目录下：

{"$schema":"https://langgra.ph/schema.json","dependencies":["."],"graphs":{"agent":"agent:agent"}}

这是使用 langgraph-cli 启动服务时所需的配置文件，简单解释下几个字段的含义：

• $schema：JSON配置文件遵循的 schema，按官方固定值配置即可
• dependencies：这是必填项，指定 LangGraph API 服务器的所需的依赖项数组。这里使用一个单独的句点（"."）表示使用本地的Python包。
• graphs：必填项。从 Graph ID 到具体的 Agent 定义的映射。
  在这里，agent为 Graph ID，用于后续在前端指定与哪个 agent 进行交互；
  agent:agent表示当前目录下 agent.py 这个模块中名为 agent 的变量所定义的智能体

启动LangGraph API 服务器

进入 server 目录，执行以下命令：

uv run langgraph dev

如果服务成功启动，你将看到类似以下的输出：

INFO:langgraph_api.cli: Welcome to ╦ ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬ ║ ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤ ╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴ ┴ ┴ - 🚀 API: http://127.0.0.1:2024 - 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024 - 📚 API Docs: http://127.0.0.1:2024/docs This in-memory server is designed for development and testing. For production use, please use LangSmith Deployment.

Chat UI 交互

访问 Agent Chat UI，输入上面显示的API URL（这里是http://127.0.0.1:2024）以及Graph ID（在这里是agent）。然后，点击“Continue”后就可以开始与该agent 进行交互了，如下所示：

在交互界面上，你可以直接与你开发的 Agent 进行对话，查看 Agent 的输出、工具调用情况、工具返回结果等，这些内容对于 Agent 的开发调试是很有帮助的。

一个交互示例

最后，贴上一个使用 deep-code-agent 完成编码任务的示例：