LangGraph SDK 0.1.59版本发布:全面支持自定义HTTP头功能
LangGraph是一个用于构建和运行基于语言模型的工作流的Python库,它提供了强大的工具来创建复杂的AI应用。该项目通过SDK封装了与后端服务的交互,使开发者能够专注于业务逻辑的实现。
在最新的0.1.59版本中,LangGraph SDK进行了重要升级,全面增强了自定义HTTP头支持能力。这一改进为开发者提供了更大的灵活性和控制权,特别是在需要自定义认证、跟踪请求或传递特定元数据的场景中。
自定义HTTP头支持详解
核心HTTP客户端增强
基础HTTP客户端类(HttpClient和SyncHttpClient)现在全面支持自定义头信息。开发者可以在所有HTTP方法(get、post、put、patch、delete和stream)中传递额外的headers参数。这一改进不仅增加了灵活性,还确保了头信息的正确合并处理,避免覆盖系统默认头。
各功能模块的统一支持
新版本在所有功能模块中都实现了headers参数支持,包括:
-
助手管理(AssistantsClient):在创建、获取、更新、删除和搜索助手时,可以传递自定义头信息。例如,可以添加认证令牌或跟踪标识。
-
线程管理(ThreadsClient):线程相关的所有操作,包括创建、状态管理和历史记录获取,现在都支持自定义头。这对于多租户系统特别有用。
-
运行控制(RunsClient):运行创建、状态监控和结果获取等操作支持自定义头,便于实现细粒度的访问控制和审计跟踪。
-
定时任务(CronClient):定时任务的创建、查询和管理操作支持自定义头,方便集成到现有监控系统中。
-
存储操作(StoreClient):键值存储的读写和命名空间管理支持自定义头,为数据隔离和安全控制提供了更多可能性。
技术实现亮点
-
头信息合并策略:SDK采用智能的头信息合并策略,确保开发者提供的自定义头不会意外覆盖系统必需的头信息。
-
全栈一致性:无论是同步还是异步客户端,都实现了相同的headers支持,保证了API使用体验的一致性。
-
向后兼容:新功能以可选参数形式添加,完全不影响现有代码的运行。
实际应用场景
-
认证与授权:通过自定义Authorization头实现灵活的认证机制,支持多种认证方案。
-
请求跟踪:添加X-Request-ID等跟踪头,便于分布式系统中的请求追踪和调试。
-
多租户支持:通过自定义头传递租户标识,实现数据隔离和个性化处理。
-
A/B测试:使用自定义头控制功能开关或实验分组,实现无侵入式的功能测试。
-
性能监控:添加性能采集标记,便于服务端记录和处理时间等指标。
升级建议
对于现有项目,升级到0.1.59版本是无缝的,不需要任何代码修改。如果需要使用自定义头功能,只需在调用相关方法时添加headers参数即可。建议开发团队评估是否有需要传递自定义元数据的场景,充分利用这一新特性来增强系统的灵活性和可观测性。
这一版本的发布进一步巩固了LangGraph作为构建复杂语言模型应用的首选工具地位,为开发者提供了更多控制权和集成可能性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00