Xuất ra Python¶

Tab Code trong trình soạn thảo hiện workflow dưới dạng một file Python LangGraph: state, mỗi node một hàm, và graph được dựng từ các hàm đó. Dùng nó để xem một graph trên canvas được viết bằng code thế nào, hoặc mang bản thử nghiệm sang dự án của bạn. Tab cũng có thể viết graph dưới dạng TypeScript LangGraph.js: xem TypeScript (LangGraph.js).

Tab Code với node Manager approval đang được chọn

Mở code¶

Mở tab Code ở panel dưới, hoặc chọn Xem dạng code trong menu ⋯ hay bảng lệnh (Ctrl+K).
Tab hiện phiên bản đã lưu mới nhất. Thay đổi chưa lưu được đánh dấu và có trong code sau khi Lưu.
Chọn một node trên canvas: code của nó được tô sáng và cuộn tới. Start và End chỉ tới các cạnh START và END của chúng.
Sao chép chép cả file; Tải .py lưu file, đặt tên theo workflow.
Ai mở được workflow thì xem được code của nó. Repo LangGraph đã import vốn là code nên không có tab Code.

Chạy file¶

pip install langgraph
python leave_request.py

File không cần gì từ Superstep. Nó chạy input mẫu (input của test case đầu tiên nếu workflow có test case), in ra những gì mỗi node trả về, rồi state cuối:

[read_the_request] {"details": "[mock:gpt-4o-mini] Answer: I'd like leave ..."}
>> manager_approval: approved
[manager_approval] {"decision": "approved"}
(e-mail not sent) to bo@example.com: Your leave request: approved
...
Final state: {...}

Model. Node LLM mặc định dùng mock offline: không cần API key, không tốn tiền, lần nào cũng ra cùng câu trả lời. Để gọi model thật, cài LangChain và gói của nhà cung cấp rồi đặt tên nhà cung cấp:
```
pip install langchain langchain-openai
export LLM_PROVIDER=openai OPENAI_API_KEY=sk-...
```
LLM_PROVIDER là bất kỳ nhà cung cấp nào init_chat_model hỗ trợ (openai, anthropic, ollama, …); tên model của node được dùng nguyên như trên canvas. - Node Human và bước duyệt. EXAMPLE_ANSWERS chứa các câu trả lời của test case đầu tiên, kể cả cho bước duyệt công cụ của node Agent. Khi một node hết câu trả lời, file hỏi trên terminal. - Node Code chạy nguyên như đã viết, trong tiến trình Python của bạn, không có sandbox của studio. Hãy đọc chúng trước khi chạy file người khác chia sẻ.

Từ canvas sang code¶

Canvas	Code
Các trường state	`class State(TypedDict, total=False)`; trường có reducer là `Annotated[kiểu, reducer]`
Start và End	`START` và `END` trong các cạnh
LLM	`render(PROMPT, state)`, rồi `call_llm(prompt, model)`
Condition	một node không đổi gì, và `add_conditional_edges` với hàm router và bảng nhãn → node
Human	`interrupt(...)` dừng run; `Command(resume=answer)` chạy tiếp
Agent	một hàm vào, một hàm model và một hàm công cụ với hai router, và một hàm kết thúc; `interrupt(...)` trước công cụ cần duyệt
Join	một node, và `add_edge([nhánh, nhánh], join)`: chạy một lần khi mọi nhánh xong
For each	một trường vị trí vòng lặp và một router trả về `each` hoặc `done`
Decision	`decide(text, question)` cho từng câu hỏi
Subgraph	workflow con thành graph riêng `build_<child>()`, được thêm như một node
Tool: function	code của hàm, được chép vào
Tool: HTTP	một request `httpx`
Tool: Code	code của node, nằm trong hàm của node
Retriever, MCP, Send email	hàm stub có `TODO`: chúng cần dịch vụ của studio (kể cả công cụ kho tri thức và MCP của node Agent)
Note	một comment
Retry, cache, trường input	`RetryPolicy`, `CachePolicy`, `input_schema` trong `add_node`
Timeout	một comment: LangGraph không dừng được node đang chặn

Hàm của node được đặt theo nhãn (Read the request → read_the_request). Tên trùng với một trường state hay một tên của Python được thêm _node, ví dụ decision_node.

State và reducer¶

Từ mẫu Tổng hợp phản hồi khách hàng:

class State(TypedDict, total=False):
    feedback: list
    item: str
    labelled: Annotated[list, append_items]
    report: str
    sent: dict
    loop_each_piece_of_feedback: int  # loop position of a For each node

Một node chỉ trả về các trường nó đổi, và LangGraph gộp chúng vào state. Trường không có reducer bị thay thế; labelled gom một nhãn cho mỗi phản hồi.

Một Condition¶

Từ mẫu Định tuyến:

def route_route(state: State) -> str:
    """The branch to take after "Route": the edge label that state["intent"] names."""
    value = state.get("intent")
    ...
    label = pick_branch(value, ["billing", "technical", "other"])
    return "other" if label is None else label


builder.add_conditional_edges("route", route_route, {"billing": "billing_answer", "technical": "technical_answer", "other": "general_answer"})

Một node Human¶

Từ mẫu Đơn nghỉ phép:

def manager_approval(state: State) -> dict:
    answer = interrupt({"node": "manager_approval", "question": render(MANAGER_APPROVAL_PROMPT, state)})
    return {"decision": answer}

interrupt() dừng run và trao câu hỏi cho bên gọi. Graph được compile với một checkpointer (MemorySaver), nên main() chạy tiếp được bằng graph.stream(Command(resume="approved"), config). Khi đó node chạy lại từ đầu, và interrupt() trả về câu trả lời.

Một node Agent¶

Lấy từ mẫu Agent hỗ trợ khách hàng. Node Agent được viết đúng như studio chạy nó: mỗi bước một hàm, và cuộc hội thoại nằm trong một trường state (agent_support_agent) mà hàm kết thúc sẽ xoá.

builder.add_edge("support_agent", "support_agent_model")
builder.add_conditional_edges("support_agent_model", route_support_agent_model, {"tool": "support_agent_tool", "done": "support_agent_end"})
builder.add_conditional_edges("support_agent_tool", route_support_agent_tool, {"tool": "support_agent_tool", "model": "support_agent_model"})

support_agent_model gọi call_agent(messages, tools, model): bản mock, hoặc khi đặt LLM_PROVIDER thì một chat model của LangChain với bind_tools.
support_agent_tool chạy các lời gọi công cụ đang chờ. Khi SUPPORT_AGENT_PARALLEL bật, chúng chạy cùng lúc, tối đa wave_cap() (4, hoặc STUDIO_AGENT_PARALLEL_TOOLS khi giá trị đó từ 1 đến 8), và kết quả trả về theo thứ tự của model. Khi tắt, chúng chạy lần lượt. Công cụ trong SUPPORT_AGENT_NEEDS_APPROVAL chạy một mình và hỏi trước bằng interrupt(); "approved" thì chạy, mọi câu trả lời khác được báo cho model làm lý do. Lời gọi lỗi thành kết quả của lời gọi đó. Các lời gọi khác trong đợt vẫn chạy xong.
SUPPORT_AGENT_TOOLS chứa tên, mô tả và JSON Schema của từng công cụ, còn SUPPORT_AGENT_MAX_ROUNDS là giới hạn số vòng.

File không dùng create_react_agent: hàm đó không hỏi trước riêng một công cụ được, và không ghi các vòng và các bước như studio.

Một công cụ workflow (từ mẫu Đội hỗ trợ) gọi graph riêng của workflow kia, được viết một lần trong cùng file:

def call_supervisor_tool(name: str, args: dict, state: State) -> Any:
    if name == "order_desk":
        final = build_order_desk().invoke({k: args[k] for k in ["message"] if k in args})
        return {k: final.get(k) for k in ["answer"]}

Trong studio, lần gọi là một run được gọi; trong file, graph con chạy ngay trong bước công cụ, và một interrupt() bên trong nó làm cả graph dừng chờ.

Một Subgraph¶

def build_review_step():
    builder = StateGraph(ReviewStepState)
    ...
    return builder.compile()


builder.add_node("review", build_review_step())  # a compiled graph is a node of another graph

Subgraph có class state riêng và dùng chung trường với graph cha theo tên.

TypeScript (LangGraph.js)¶

Chọn TypeScript trong menu ngôn ngữ của tab Code để có cùng graph dưới dạng một file LangGraph.js. Menu nhớ lựa chọn của bạn; Tải .ts lưu file.

deno run --allow-env --allow-read --allow-sys=homedir leave_request.ts

--allow-sys=homedir cho phép LangSmith tìm vị trí file cấu hình hồ sơ tuỳ chọn.

Các package là import npm: (npm:@langchain/langgraph@^1.5), nên Deno tự tải ở lần chạy đầu và deno check kiểm tra kiểu của file. Với Node, bỏ tiền tố npm: và phiên bản, chạy npm i @langchain/langgraph @langchain/core, rồi npx tsx leave_request.ts.

Canvas	TypeScript
Trường state	`Annotation.Root({...})`; reducer là `Annotation({ reducer, default })`
LLM	`render(PROMPT, state)`, rồi `callLlm(prompt, model)`: mock, hoặc `initChatModel` khi đặt `LLM_PROVIDER`
Condition, For each	`addConditionalEdges` với một hàm router
Human	`interrupt(...)`; `new Command({ resume })` chạy tiếp
Join	`addEdge([nhánh, nhánh], join)`
Decision	`decide(text, question)` cho từng câu hỏi
Subgraph	`build_<child>()`, một graph đã compile được thêm làm node
Tool: Code bằng TypeScript	code của node giữ nguyên; các import được chuyển lên đầu file
Tool: Code bằng Python	stub ném lỗi `not implemented in TS export`: hãy chuyển sang TypeScript
Tool: function	stub ném lỗi: hàm là Python trên server
Tool: HTTP	`fetch`, không đi theo chuyển hướng
Retriever, MCP, Send email	stub có `TODO`, như file Python
Agent	các bước vào, model, công cụ và kết thúc, như file Python; `callAgent` là mock, hoặc `initChatModel` với `bindTools` khi đặt `LLM_PROVIDER`. Công cụ có sẵn là stub ném lỗi
Retry, cache, trường đầu vào, timeout	`retryPolicy`, `cachePolicy`, `input`, `timeout` trong `addNode`

API key và các thiết lập khác được đọc từ biến môi trường (LLM_PROVIDER, OPENAI_API_KEY, …), không bao giờ ghi vào file. Node không nối tới Start bị bỏ ra, kèm một chú thích: LangGraph.js không nhận node không tới được. File Python cũng có stub tương tự cho Code node TypeScript (NotImplementedError).

Dự án cho langgraph dev và LangSmith Studio¶

Dự án .zip (cạnh nút Tải) lưu bản xuất thành một dự án LangGraph nhỏ mà LangGraph CLI chạy bằng langgraph dev, nhờ đó graph mở được trong LangSmith Studio. File zip có một thư mục:

File	Nội dung
`agent.py` / `agent.ts`	File xuất, thêm `graph = build_graph()` ở cuối: graph mà server nạp
`langgraph.json`	Cấu hình CLI: `graphs` ánh xạ tên workflow tới `./agent.py:graph`, `env` là `.env`
`requirements.txt`, `pyproject.toml`	Python: `langgraph` và các thư viện bên ngoài mà Code node import
`package.json`, `tsconfig.json`	TypeScript: `@langchain/langgraph`, `@langchain/core`, `langchain` và `@langchain/langgraph-cli` với `npm run dev`
`.env.example`	Các biến môi trường graph đọc, key của model và tracing LangSmith
`README.md`	Cách chạy

Python:

unzip leave-request-python.zip && cd leave-request
pip install -U "langgraph-cli[inmem]" -r requirements.txt
cp .env.example .env
langgraph dev

TypeScript (Node 20 trở lên):

unzip leave-request-typescript.zip && cd leave-request
npm install
cp .env.example .env
npm run dev

Server nghe ở http://localhost:2024 và in ra đường dẫn Studio (https://smith.langchain.com/studio/?baseUrl=http://localhost:2024). Server cục bộ và API của nó chạy không cần tài khoản; riêng Studio cần đăng nhập LangSmith. Mọi client LangGraph đều gọi được server, ví dụ Python SDK:

from langgraph_sdk import get_client

client = get_client(url="http://localhost:2024")
assistant = (await client.assistants.search())[0]
thread = await client.threads.create()
print(await client.runs.wait(thread["thread_id"], assistant["assistant_id"], input={"message": "Xin chào"}))

Dự án khác file đơn ở ba điểm nhỏ: graph được compile không kèm checkpointer (server tự thêm, nên interrupt() của node Human dừng thread và Studio tiếp tục nó), import TypeScript là tên package thường thay vì npm: của Deno, và ví dụ TypeScript chỉ chạy bằng npm run example, không chạy khi server import file. scripts/langgraph_dev_smoke.py python|typescript xuất workflow mẫu, chạy langgraph dev trên nó và gọi bằng SDK.

Những gì không có trong file¶

Credential, API key, cấu hình SMTP, kho tri thức, máy chủ MCP, kênh duyệt, người duyệt và địa chỉ chuyển cấp.
Các tính năng của studio quanh một run: trace, lịch sử run, khôi phục sau khi khởi động lại, kênh duyệt và hạn chót, theo dõi chi phí, timeout của node.
Lời gọi Retriever, MCP và Send email thật: stub trả về kết quả rỗng, không gì cả, hoặc thư lẽ ra sẽ gửi.

Hai kết quả có thể khác studio: node Decision với model thật hỏi LLM thay vì TypeSafe Jev, và một trường có reducer mà subgraph cũng ghi sẽ được gộp thêm một lần khi subgraph trả về.

API¶

GET /api/workflows/{wid}/python trả về code, tên file, version và các dòng của từng node; GET /api/workflows/{wid}/export/python tải file và GET /api/workflows/{wid}/export/{language}/project tải zip dự án. Cả ba nhận ?version=n và ?language=python|typescript (GET /api/workflows/{wid}/code và /export/typescript cũng vậy, với tên trung lập). Xem HTTP API.