LangChain智能体开发：从环境配置到生产部署

1. LangChain智能体开发环境准备

在开始构建AI智能体之前，我们需要做好充分的开发环境准备。作为一名长期使用LangChain进行项目开发的工程师，我总结了一套高效的环境配置方案。

1.1 Python环境与核心依赖安装

首先确保你的Python版本在3.10以上，这是LangChain稳定运行的基础要求。我推荐使用conda创建独立的虚拟环境：

bash复制conda create -n langchain_env python=3.10
conda activate langchain_env

接下来安装LangChain核心包及其扩展组件。根据我的项目经验，建议安装以下完整依赖集：

bash复制pip install -U langchain "langchain[anthropic]" langchain-core langgraph

注意：langchain[anthropic]包含了与Claude模型交互的必要组件。如果你计划使用其他模型如OpenAI或Google Gemini，需要替换为对应的扩展包。

1.2 API密钥管理与安全配置

获取API密钥是连接AI模型的关键步骤。以Anthropic为例：

1. 访问Anthropic控制台注册账号
2. 在"API Keys"页面生成新的密钥
3. 将密钥安全地存储在环境变量中

我强烈建议使用python-dotenv管理敏感信息，而不是直接在代码中硬编码密钥：

bash复制pip install python-dotenv

创建.env文件：

env复制ANTHROPIC_API_KEY=your_api_key_here

然后在代码中安全加载：

python复制from dotenv import load_dotenv
load_dotenv()

1.3 开发工具推荐

根据我的实战经验，以下工具组合能显著提升开发效率：

• 调试工具：LangSmith（官方可视化调试平台）
• IDE：VS Code + Jupyter插件（适合交互式开发）
• 版本控制：Git + GitLens（管理代码迭代）
• API测试：Postman或Insomnia（测试工具端点）

配置LangSmith追踪只需设置环境变量：

bash复制export LANGSMITH_API_KEY=your_key
export LANGSMITH_TRACING=true

2. 基础智能体构建实战

2.1 极简智能体架构解析

让我们从最基础的8行代码智能体开始，理解LangChain的核心设计理念。这个智能体实现了天气查询功能：

python复制from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """获取指定城市天气的模拟函数"""
    return f"{city}当前天气：晴，25℃"  # 模拟数据

agent = create_agent(
    model="claude-sonnet-4-6",
    tools=[get_weather],
    system_prompt="你是一个天气助手"
)

response = agent.invoke({
    "messa