langchain-init

/langchain:init

初始化新的 LangChain TypeScript 项目，并为构建 AI Agent 配置最佳设置。

适用场景

在以下场景使用此技能……	在以下场景改用同系列的其他技能……
从头搭建全新的 LangChain TypeScript 项目	将 LangChain 添加到现有项目中——使用 langchain-development
生成样板代码、依赖项和起始配置	构建有状态图工作流——使用 langgraph-agents
设置其他技能默认依赖的标准项目布局	构建分层编排器——使用 deep-agents

上下文

检测环境：

• node --version - Node.js 版本
• which bun - 检查是否有 Bun

参数

参数	描述	默认值
project-name	项目目录的名称	必填

执行

1. 创建项目目录

mkdir -p $1 && cd $1

2. 初始化包

如果有 Bun：

bun init -y

否则：

npm init -y

3. 安装依赖项

核心包：

# Package manager: bun or npm
bun add langchain @langchain/core @langchain/langgraph
bun add @langchain/openai  # Default model provider

# Dev dependencies
bun add -d typescript @types/node tsx

4. 创建 TypeScript 配置

创建 tsconfig.json：

{
  "compilerOptions": {
    "target": "ES2022",
    "module": "NodeNext",
    "moduleResolution": "NodeNext",
    "esModuleInterop": true,
    "strict": true,
    "skipLibCheck": true,
    "outDir": "dist",
    "declaration": true
  },
  "include": ["src/**/*"],
  "exclude": ["node_modules", "dist"]
}

5. 创建项目结构

mkdir -p src

6. 创建示例 Agent

创建 src/agent.ts：

import { ChatOpenAI } from "@langchain/openai";
import { createReactAgent } from "@langchain/langgraph/prebuilt";
import { tool } from "@langchain/core/tools";
import { z } from "zod";

// Example tool
const greetTool = tool(
  async ({ name }) => `Hello, ${name}!`,
  {
    name: "greet",
    description: "Greet someone by name",
    schema: z.object({
      name: z.string().describe("The name to greet"),
    }),
  }
);

// Create the agent
const model = new ChatOpenAI({
  model: "gpt-4o",
  temperature: 0,
});

export const agent = createReactAgent({
  llm: model,
  tools: [greetTool],
});

// Run if executed directly
if (import.meta.url === `file://${process.argv[1]}`) {
  const result = await agent.invoke({
    messages: [{ role: "user", content: "Say hello to Claude" }],
  });
  console.log(result.messages[result.messages.length - 1].content);
}

7. 创建环境变量模板

创建 .env.example：

# OpenAI (default)
OPENAI_API_KEY=sk-...

# Optional: Anthropic
# ANTHROPIC_API_KEY=sk-ant-...

# Optional: LangSmith tracing
# LANGCHAIN_TRACING_V2=true
# LANGCHAIN_API_KEY=ls__...
# LANGCHAIN_PROJECT=my-project

8. 更新 package.json 脚本

添加到 package.json：

{
  "scripts": {
    "dev": "tsx watch src/agent.ts",
    "start": "tsx src/agent.ts",
    "build": "tsc",
    "typecheck": "tsc --noEmit"
  }
}

9. 创建 .gitignore

node_modules/
dist/
.env
*.log

后续操作

1. 显示成功消息，并提供后续步骤：

   • 将 .env.example 复制为 .env 并添加 API 密钥
   • 运行 bun dev 或 npm run dev 以启动
   • 查看 LangChain 文档，获取更多示例

2. 如有需要，建议安装其他模型提供程序：

   • 用于 Claude 的 @langchain/anthropic
   • 用于 Gemini 的 @langchain/google-genai