LangGraph.js 在 Web 环境中的使用指南
2026-02-04 04:27:13作者:仰钰奇
前言
在现代 Web 开发中,JavaScript 运行时环境多种多样,从传统的浏览器环境到各种服务器端运行时如 Node.js、Deno、边缘计算平台等。LangGraph.js 作为一个功能强大的图计算框架,在设计时考虑到了这些不同环境的兼容性问题。本文将深入探讨如何在 Web 环境中正确使用 LangGraph.js,特别是那些不支持 async_hooks API 的环境。
环境兼容性概述
LangGraph.js 核心功能依赖于 Node.js 的 async_hooks API 来实现便捷的追踪和回调传播。这一设计在以下环境中表现良好:
- Node.js
- Deno
- 边缘计算平台
- Edge runtime
然而,浏览器环境并不支持 async_hooks API。为了解决这个问题,LangGraph.js 提供了专门的 Web 入口点。
Web 专用入口点
LangGraph.js 提供了 @langchain/langgraph/web 入口点,这个版本:
- 不初始化也不导入 async_hooks
- 导出与主入口点完全相同的功能
- 专为浏览器等不支持 async_hooks 的环境设计
基础使用示例
import {
END,
START,
StateGraph,
Annotation,
} from "@langchain/langgraph/web";
import { BaseMessage, HumanMessage } from "@langchain/core/messages";
// 定义图状态
const GraphState = Annotation.Root({
messages: Annotation<BaseMessage[]>({
reducer: (x, y) => x.concat(y),
}),
});
// 定义节点函数
const nodeFn = async (_state: typeof GraphState.State) => {
return { messages: [new HumanMessage("Hello from the browser!")] };
};
// 构建图
const workflow = new StateGraph(GraphState)
.addNode("node", nodeFn)
.addEdge(START, "node")
.addEdge("node", END);
// 编译并执行
const app = workflow.compile({});
const finalState = await app.invoke({ messages: [] });
console.log(finalState.messages[finalState.messages.length - 1].content);
安全注意事项
在浏览器环境中使用 LangGraph.js 时,必须特别注意安全问题:
- 切勿在前端代码中暴露任何敏感信息
- 对于聊天模型,建议使用可以在客户端无认证运行的方案
- 重要操作应当始终在服务端完成
配置传递机制
由于浏览器缺乏 async_hooks 支持,当在节点内调用 Runnable 时(如调用聊天模型),需要手动传递 config 对象以确保:
- 追踪功能正常工作
.streamEvents()能够流式传输中间步骤- 其他回调相关功能正常运作
配置传递示例
const nodeFn = async (_state: StateType, config?: RunnableConfig) => {
const nestedFn = RunnableLambda.from(
async (input: string, _config?: RunnableConfig) => {
return new HumanMessage(`Hello from ${input}!`);
}
).withConfig({ runName: "nested" });
// 关键:传递 config 参数
const responseMessage = await nestedFn.invoke("a nested function", config);
return { messages: [responseMessage] };
};
常见问题解决方案
问题1:无法获取嵌套函数的流事件
原因:未正确传递 config 对象
解决方案:
- 确保节点函数接收 config 参数
- 在调用嵌套 Runnable 时传递该 config
问题2:追踪信息丢失
原因:async_hooks 不可用且未手动传递配置
解决方案:
- 使用
@langchain/langgraph/web入口点 - 按照上述方式手动传递配置
最佳实践
- 环境检测:在代码中检测运行环境,自动选择合适的入口点
- 配置传递:建立严格的配置传递规范,确保所有嵌套调用都能获得必要的配置
- 错误处理:为配置缺失的情况添加明确的错误提示
- 性能监控:在关键节点添加性能监控点,特别是在浏览器环境中
进阶主题
对于需要更复杂功能的开发者,可以考虑:
- 自定义中间件:在配置传递过程中添加自定义处理逻辑
- 状态管理:结合前端状态管理库(如 Redux)管理图状态
- 性能优化:针对浏览器环境优化大型图的处理性能
总结
在 Web 环境中使用 LangGraph.js 需要注意以下几点:
- 选择正确的入口点(
@langchain/langgraph/web) - 正确处理配置传递
- 遵守安全最佳实践
- 了解不同环境的限制和特性
通过遵循这些指导原则,开发者可以充分利用 LangGraph.js 的强大功能,同时在各种 Web 环境中保持应用的稳定性和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
503
609
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
391
286
暂无简介
Dart
905
218
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108