文章目录1. 项目概述2. 技术栈与核心概念2.1 核心技术栈2.2 关键概念3. 环境准备3.1 系统要求3.2 安装uv包管理器3.3 安装LangGraph Studio（可选）3.4 申请必要API Key4. 项目搭建4.1 创建项目目录与初始化4.2 创建并激活虚拟环境4.3 配置pyproject.toml4.4 安装项目依赖4.5 创建目录结构4.6 配置.gitignore4.7 创建.codespellignore5. 配置管理5.1 创建.env.example（环境变量模板）5.2 创建.env（真实环境变量）5.3 配置langgraph.json（Studio入口）6. 核心代码实现（逐文件）6.1 prompts.py（系统提示词）6.2 state.py（状态结构定义）6.3 context.py（运行时上下文）6.4 utils.py（工具函数）6.5 tools.py（工具集）6.6 graph.py（核心图定义，ReAct循环）6.7 __init__.py（包入口）6.8 标记py.typed（类型提示）7. LangGraph协议集成7.1 核心协议要求7.2 上下文流转流程7.3 与旧版RunnableConfig的差异8. 工具与外部API集成8.1 Tavily搜索集成8.2 多LLM提供商集成8.3 LangSmith追踪（可选）8.4 自定义工具示例9. 测试验证9.1 测试目录结构9.2 conftest.py（pytest配置）9.3 单元测试（test_configuration.py）9.4 集成测试（test_graph.py）9.5 运行测试命令9.6 Lint与类型检查10. 本地运行与调试10.1 LangGraph Studio桌面版10.2 langgraph dev本地服务器10.3 代码直接调用10.4 调试技巧11. CI/CD集成11.1 单元测试CI（unit-tests.yml）11.2 集成测试CI（integration-tests.yml）11.3 配置GitHub Secrets12. 常见问题与扩展12.1 常见问题解决12.2 扩展方向12.3 完整开发流程速查总结ReAct（Reasoning + Acting）是大模型智能体（Agent）的核心范式，通过“推理决策+工具执行”的循环实现复杂任务处理；而LangGraph作为LangChain生态下的状态机框架，能直观构建Agent的状态流转逻辑，并支持在LangGraph Studio中可视化调试。本文将从0到1完整还原基于LangGraph 1.0+开发ReAct Agent的全流程，涵盖环境准备、项目搭建、核心代码实现、测试验证、CI/CD集成等所有环节，提供可直接复制的命令和代码，即使是入门开发者也能快速上手。1. 项目概述本项目是基于LangGraph实现的ReAct Agent模板，可在LangGraph Studio中可视化运行，核心工作流程如下：接收用户查询（query）；LLM推理决定下一步动作（调用工具或直接回答）；执行工具（默认集成Tavily搜索）；观察工具执行结果；循环2-4步直至给出最终答案。项目最终文件结构如下：react-agent/ ├── .github/workflows/ │ ├── unit-tests.yml # 单元测试 CI │ └── integration-tests.yml # 集成测试 CI ├── src/react_agent/ │ ├── __init__.py # 包入口，导出 graph │ ├── context.py # 运行时上下文（可配置参数
LangGraph实战训练营-教你开发一个ReAct Agent：从环境搭建到CI/CD全流程
文章目录1. 项目概述2. 技术栈与核心概念2.1 核心技术栈2.2 关键概念3. 环境准备3.1 系统要求3.2 安装uv包管理器3.3 安装LangGraph Studio（可选）3.4 申请必要API Key4. 项目搭建4.1 创建项目目录与初始化4.2 创建并激活虚拟环境4.3 配置pyproject.toml4.4 安装项目依赖4.5 创建目录结构4.6 配置.gitignore4.7 创建.codespellignore5. 配置管理5.1 创建.env.example（环境变量模板）5.2 创建.env（真实环境变量）5.3 配置langgraph.json（Studio入口）6. 核心代码实现（逐文件）6.1 prompts.py（系统提示词）6.2 state.py（状态结构定义）6.3 context.py（运行时上下文）6.4 utils.py（工具函数）6.5 tools.py（工具集）6.6 graph.py（核心图定义，ReAct循环）6.7 __init__.py（包入口）6.8 标记py.typed（类型提示）7. LangGraph协议集成7.1 核心协议要求7.2 上下文流转流程7.3 与旧版RunnableConfig的差异8. 工具与外部API集成8.1 Tavily搜索集成8.2 多LLM提供商集成8.3 LangSmith追踪（可选）8.4 自定义工具示例9. 测试验证9.1 测试目录结构9.2 conftest.py（pytest配置）9.3 单元测试（test_configuration.py）9.4 集成测试（test_graph.py）9.5 运行测试命令9.6 Lint与类型检查10. 本地运行与调试10.1 LangGraph Studio桌面版10.2 langgraph dev本地服务器10.3 代码直接调用10.4 调试技巧11. CI/CD集成11.1 单元测试CI（unit-tests.yml）11.2 集成测试CI（integration-tests.yml）11.3 配置GitHub Secrets12. 常见问题与扩展12.1 常见问题解决12.2 扩展方向12.3 完整开发流程速查总结ReAct（Reasoning + Acting）是大模型智能体（Agent）的核心范式，通过“推理决策+工具执行”的循环实现复杂任务处理；而LangGraph作为LangChain生态下的状态机框架，能直观构建Agent的状态流转逻辑，并支持在LangGraph Studio中可视化调试。本文将从0到1完整还原基于LangGraph 1.0+开发ReAct Agent的全流程，涵盖环境准备、项目搭建、核心代码实现、测试验证、CI/CD集成等所有环节，提供可直接复制的命令和代码，即使是入门开发者也能快速上手。1. 项目概述本项目是基于LangGraph实现的ReAct Agent模板，可在LangGraph Studio中可视化运行，核心工作流程如下：接收用户查询（query）；LLM推理决定下一步动作（调用工具或直接回答）；执行工具（默认集成Tavily搜索）；观察工具执行结果；循环2-4步直至给出最终答案。项目最终文件结构如下：react-agent/ ├── .github/workflows/ │ ├── unit-tests.yml # 单元测试 CI │ └── integration-tests.yml # 集成测试 CI ├── src/react_agent/ │ ├── __init__.py # 包入口，导出 graph │ ├── context.py # 运行时上下文（可配置参数
