Skip to content

⚙️ Tema 4: LangGraph CLI – Comandos y Uso

🚀 ¿Qué es LangGraph CLI?

LangGraph CLI es una herramienta de línea de comandos que facilita la creación, ejecución y despliegue de servidores de LangGraph.
Con esta interfaz, podemos gestionar nuestros proyectos sin necesidad de escribir código manualmente.

🛠️ Instalación de LangGraph CLI

Para comenzar a usar LangGraph CLI, primero debemos instalarlo en nuestro entorno de desarrollo.

📌 Instalación: 

pip install -U langgraph-cli
Atención

Para utilizar langgraph dev, es necesario instalar dependencias adicionales. Usa el siguiente comando:

pip install -U "langgraph-cli[inmem]"

📝 Comandos Principales de LangGraph CLI

Comando Descripción
langgraph new 🌱 Crea un nuevo proyecto de LangGraph a partir de una plantilla.
langgraph build 📦 Genera una imagen Docker lista para desplegar el servidor.
langgraph up 🚀 Inicia el servidor de LangGraph en producción.
langgraph dev 🏃‍♀️ Ejecuta el servidor en modo desarrollo, con recarga automática.
langgraph dockerfile 🐳 Genera un Dockerfile personalizado para el servidor.

Cada uno de estos comandos cumple una función específica dentro del ciclo de vida de un proyecto de LangGraph.

🎯 ¿Cuándo Usar Cada Comando?

Dependiendo del entorno en el que estemos trabajando, podemos utilizar diferentes comandos para ejecutar LangGraph.
Distinguimos dos modos principales: desarrollo y producción.

🔹 Modo Desarrollo (Testing y Pruebas Rápidas)

📌 Para ejecutar un servidor en modo desarrollo, sin necesidad de Docker y con recarga automática: 

langgraph dev --port 2024 # El puerto no es necesario pero si os falla por defecto probad este.
Resultado
INFO:langgraph_api.cli:

        Welcome to

╦  ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬
║  ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤
╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴  ┴ ┴

- 🚀 API: http://127.0.0.1:2024
- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 📚 API Docs: http://127.0.0.1:2024/docs

This in-memory server is designed for development and testing.
For production use, please use LangGraph Cloud.
Ejemplo

Si estamos creando un chatbot en LangGraph y queremos probar cambios sin reiniciar manualmente, usaremos langgraph dev.

Cuando ejecutamos este comando, se generan tres puntos clave de interacción:

  • API: URL local para realizar llamadas directas a nuestro grafo mediante peticiones HTTP.
  • Studio UI: Interfaz gráfica accesible desde el navegador que permite visualizar y depurar nuestro grafo sin necesidad de instalar herramientas adicionales.

studio ui

  • API Docs: Documentación interactiva de la API, donde podemos explorar los endpoints disponibles junto con ejemplos de uso.

API Docs

Esto facilita la experimentación y depuración en tiempo real, haciendo más ágil el desarrollo.

Atención

Es posible que, en la primera ejecución, se presenten errores relacionados con la conexión a LangSmith o la configuración de la clave de OpenAI.

Para solucionarlo, es recomendable instalar python-dotenv:

pip -U install python-dotenv
Luego, debemos crear un archivo .env en la carpeta del proyecto con las credenciales necesarias:
OPENAI_API_KEY="<CLAVE_OPENAI>"
LANGSMITH_API_KEY="<CLAVE_LANGSMITH>"
#LANGCHAIN_ENDPOINT="https://eu.api.smith.langchain.com/" # Descomenta esta linea si usas el servidor de EU
LANGSMITH_PROJECT="<NOMBRE_PROYECTO>"
⚠ IMPORTANTE: Nunca subas el archivo .env al repositorio para evitar exponer información sensible.

Nota

Un beneficio adicional de este comando es que se sincroniza automáticamente con tu cuenta de LangSmith, lo que permite rastrear y analizar el flujo de ejecución de tu grafo en tiempo real.

🔹 Modo Producción (Despliegue Final)

📌 Para construir una imagen de Docker antes de desplegar: 

langgraph build

📌 Para generar un Dockerfile personalizado: 

langgraph dockerfile

📌 Para levantar el servidor en producción: 

langgraph up
Recomendación
  • Usa langgraph up si deseas ejecutar el servidor sin Docker.
  • Usa langgraph build y dockerfile si prefieres un despliegue más controlado con Docker.

🛠️ Ejemplo Práctico: Creando y Ejecutando un Servidor

Veamos un flujo de trabajo común para crear y ejecutar un servidor con LangGraph CLI.

1️⃣ Creamos un nuevo proyecto:

langgraph new mi_proyecto && cd mi_proyecto

2️⃣ Ejecutamos el servidor en modo desarrollo:

langgraph dev --port 2024

3️⃣ Si todo funciona bien, lo preparamos para producción:

langgraph build -t calculator # -t: El nombre de la imagen que se generará
Resultado
(langgraph) > langgraph-server % docker images
REPOSITORY                  TAG       IMAGE ID       CREATED              SIZE
calculator                  latest    f13bafae5b87   About a minute ago   897MB

langgraph dockerfile --add-docker-compose -c langgraph.json ./dockerfile
Resultado
🔍 Validating configuration at path: /Users/tu-usuario/langgraph-server/langgraph.json
✅ Configuration validated!
📝 Generating Dockerfile at /Users/tu-usuario/langgraph-server/dockerfile
✅ Created: Dockerfile
✅ Created: .dockerignore
✅ Created: docker-compose.yml
➖ Skipped: .env. It already exists!
🎉 Files generated successfully at path /Users/tu-usuario/langgraph-server!

4️⃣ Levantamos el servidor en producción:

langgraph up -p 8800 # Podeis ajustar el puerto al que mejor os funcione.
Resultado
Starting LangGraph API server...
For local dev, requires env var LANGSMITH_API_KEY with access to LangGraph Cloud closed beta.
For production use, requires a license key in env var LANGGRAPH_CLOUD_LICENSE_KEY.
Ready!       
- API: http://localhost:8800
- Docs: http://localhost:8800/docs
- LangGraph Studio: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:8800

📌 ¡Y listo! Con estos pasos, hemos pasado de desarrollo a producción con LangGraph CLI.

✨ Conclusión

LangGraph CLI nos permite gestionar fácilmente nuestros servidores sin necesidad de configuraciones manuales.

✅ Nos ayuda a crear y estructurar proyectos de LangGraph rápidamente.
✅ Facilita la ejecución en entornos de desarrollo y producción.
✅ Permite desplegar servidores de forma eficiente con Docker.

Si trabajamos con grafos complejos, esta herramienta se vuelve esencial para simplificar el proceso de desarrollo y despliegue. 🚀

🧑‍🏫 ¿Qué Hemos Aprendido?

  • Cómo instalar y usar LangGraph CLI en distintos entornos.
  • Qué comandos usar para desarrollo y producción.
  • Cómo ejecutar y desplegar un servidor de LangGraph.

🌐 ¿Qué es lo Siguiente?

En el próximo tema, exploraremos LangGraph SDK, la herramienta que nos permitirá conectar, ejecutar y administrar grafos de manera programática.
Aprenderemos a interactuar con nuestros grafos desde código, gestionar ejecuciones (runs) y aprovechar funcionalidades avanzadas como streaming e intervención humana.