로컬 서버 실행하기

로컬 서버 실행하기

이 가이드는 LangGraph 애플리케이션을 로컬에서 실행하는 방법을 보여줘요.

사전 요구사항

시작 전에 다음이 있어야 해요:

출처: 로컬 서버 실행 - 공식 문서

1. LangGraph CLI 설치

```bash pip # Python >= 3.11 필요. pip install -U "langgraph-cli[inmem]" ``` 
# Python >= 3.11 필요.
uv add "langgraph-cli[inmem]"

2. LangGraph 앱 만들기

new-langgraph-project-python 템플릿에서 새 앱을 만들어요. 이 템플릿은 여러분의 로직으로 확장할 수 있는 단일 노드 애플리케이션을 보여줘요.

langgraph new path/to/your/app --template new-langgraph-project-python
**추가 템플릿** `langgraph new`를 템플릿 없이 쓰면 사용 가능한 템플릿 목록에서 고르는 대화형 메뉴가 나타나요.

3. 의존성 설치

새 LangGraph 앱의 루트에서 의존성을 edit 모드로 설치해서 로컬 변경 사항이 서버에 반영되게 해요:

```bash pip cd path/to/your/app pip install -e . ``` 
cd path/to/your/app
uv sync

4. .env 파일 만들기

새 LangGraph 앱의 루트에 .env.example이 있을 거예요. 새 앱 루트에 .env 파일을 만들고 .env.example 내용을 복사한 다음 필요한 API 키를 채워요:

LANGSMITH_API_KEY=lsv2...

5. Agent server 실행

LangGraph API 서버를 로컬에서 시작해요:

langgraph dev

샘플 출력:

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.

langgraph dev 명령은 Agent Server를 인메모리 모드로 시작해요. 이 모드는 개발·테스트 용도에 적합해요. 프로덕션에서는 영속 스토리지 백엔드에 접근 가능한 Agent Server를 배포하세요. 자세한 내용은 Platform 설정 개요를 보세요.

6. Studio에서 애플리케이션 테스트

Studio는 LangGraph API 서버에 연결해서 애플리케이션을 로컬에서 시각화·상호작용·디버그할 수 있는 특화된 UI예요. langgraph dev 명령 출력에 주어진 URL을 방문해 Studio에서 그래프를 테스트해요:

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

커스텀 호스트/포트에서 실행되는 Agent Server의 경우 URL의 baseUrl 쿼리 파라미터를 갱신해요. 예를 들어 서버가 http://myhost:3000에서 실행 중이라면:

https://smith.langchain.com/studio/?baseUrl=http://myhost:3000
명령에 `--tunnel` 플래그를 써서 보안 터널을 만들어요. Safari는 localhost 서버 연결에 제한이 있기 때문이에요: 
langgraph dev --tunnel

7. API 테스트

1. LangGraph Python SDK 설치: ```shell pip install langgraph-sdk ``` 2. 어시스턴트에 메시지 보내기(스레드리스 실행): ```python 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", # Assistant name. langgraph.json에 정의.
           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())
   ```
1. LangGraph Python SDK 설치: ```shell pip install langgraph-sdk ``` 2. 어시스턴트에 메시지 보내기(스레드리스 실행): ```python 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", # Assistant name. langgraph.json에 정의.
       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")
   ```
```bash 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 LangGraph 앱이 로컬에서 실행 중이니, 배포와 고급 기능을 탐구해 여정을 이어가세요:

더 알아보기 (Learn more)