基于LangChain官网的例子，自己本地搭建了一套智能体应用，结合本地Ollama部署模型，实现工作流+智能体交互。

官网：https://docs.langchain.com/

代码：

agent.py

from langchain.agents import create_agent
from langchain.chat_models import init_chat_model

def send_email(to: str, subject: str, body: str):
    """Send an email"""
    email = {
        "to": to,
        "subject": subject,
        "body": body
    }
    # ... email sending logic

    return f"Email sent to {to}"

# 先初始化模型
model = init_chat_model(
    model="ollama:llama3.2:1b",
    base_url="http://127.0.0.1:11434",
)

# 然后创建智能体
agent = create_agent(
    model=model,
    tools=[send_email],
    system_prompt="You are an email assistant. Always use the send_email tool.",
)

.env

LANGSMITH_API_KEY=lsv2...

langgraph.json

{
  "dependencies": ["."],
  "graphs": {
    "agent": "./agent/agent.py:agent"
  },
  "env": ".env"
}

目录结构如官网所示

my-app/
├── src
│   └── agent.py
├── .env
└── langgraph.json

安装好必要的程序包，参考官网，启动项目

python -m langgraph_cli dev

启动后

浏览器访问：https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024

页面如下

注册账户后页面如下，多一些功能

git下载前端会话页面源码并安装依赖启动：

# Clone the repository
git clone https://github.com/langchain-ai/agent-chat-ui.git
cd agent-chat-ui

# Install dependencies and start
pnpm install
pnpm dev

启动后，浏览器访问：http://localhost:3000/

填写配置

URL

http://127.0.0.1:2024

Graph ID

agent

API Key就是.env配置的

lsv2...

点击Continue按钮，页面如下

发送hello测试

官网例子就跑通了！