开源项目安装与配置指南:LangGraph Agents with Amazon Bedrock
1. 项目基础介绍
LangGraph Agents with Amazon Bedrock 是一个开源项目,它基于 LangChain 和 Tavily 的课程内容,由 Harrison Chase 和 Rotem Weiss 创建,并在 DeepLearning.AI 上提供。该项目旨在探索最新的 AI 代理人和代理工作流程,利用功能调用 LLMs(大型语言模型)和专用工具,如代理搜索。项目通过 Jupyter Notebooks 实验室的形式,帮助用户理解 LangGraph 框架及其背后的概念,并学习如何与 Amazon Bedrock 一起使用。
该项目主要使用的编程语言是 Python 和 Jupyter Notebook。
2. 项目使用的关键技术和框架
- LangChain: 一个开源库,用于构建基于代理的工作流程。
- LangGraph: LangChain 的扩展,用于构建复杂的代理人行为。
- Amazon Bedrock: 一种基于云的机器学习服务,提供了对大型语言模型的访问。
- Jupyter Notebook: 用于代码编写、执行和文档制作的环境。
3. 项目安装和配置的准备工作与详细步骤
准备工作
在开始安装前,请确保您的系统满足以下要求:
- Python 3.10 或更高版本
- 安装了 Git
- 有权访问 AWS 服务(如 Amazon SageMaker)
安装步骤
-
克隆项目仓库
打开命令行界面,运行以下命令克隆项目仓库:
git clone https://github.com/aws-samples/langgraph-agents-with-amazon-bedrock.git
-
安装操作系统依赖
根据您的操作系统安装所需的依赖。以下是 Ubuntu/Debian 系统的安装命令:
sudo apt update sudo apt-get install graphviz graphviz-dev python3-dev pip install pipx pipx install poetry pipx ensurepath source ~/.bashrc
对于其他操作系统,请参考 Graphviz 安装指南。
-
创建虚拟环境并安装 Python 依赖
切换到项目目录,并运行以下命令创建虚拟环境并安装依赖:
cd langgraph-agents-with-amazon-bedrock export POETRY_VIRTUALENVS_PATH="$PWD/.venv" export INITIAL_WORKING_DIRECTORY=$(pwd) poetry shell cd $INITIAL_WORKING_DIRECTORY poetry install
-
添加 Jupyter 内核
在虚拟环境中,添加新创建的 Python 环境到 Jupyter Notebook 服务器可用的内核列表:
poetry run python -m ipykernel install --user --name agents-dev-env
-
设置 Tavily API 密钥
访问 Tavily 并创建一个免费的 API 密钥。
-
配置本地环境变量
创建一个名为
.env
的文件,复制env.tmp
文件的内容到.env
。确保将 AWS 区域设置为所需的区域(默认为us-east-1
)。cp env.tmp .env
-
存储 Tavily API 密钥
您可以选择将 Tavily API 密钥直接复制到
.env
文件中,或者使用 AWS Secrets Manager 存储密钥,并在 SageMaker 执行角色中添加权限策略。
完成以上步骤后,您就可以开始使用该项目了。确保在 Jupyter Notebook 中选择 agents-dev-env
内核。
以上就是 LangGraph Agents with Amazon Bedrock 项目的详细安装和配置指南。祝您使用愉快!
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









