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。
kernelopenEuler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。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00