К основному содержанию
скилл CX Codex

langchain-python-quickstart — скилл для Claude Code

Создаёт минимального локального LangChain-агента на Python по актуальному quickstart. Нужен, чтобы проверить агентский сценарий в отдельной папке.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add langchain-ai/langchain-skills --skill langchain-python-quickstart -a claude-code
Открыть на GitHub

Что делает langchain-python-quickstart

Скилл сверяется с актуальным Python quickstart LangChain через Docs MCP или HTTP и собирает пример погодного агента с create_agent. Перед началом он спрашивает провайдера и модель в формате provider:model, показывая, что выбор модели не привязан к одному сервису.

Работа идёт в новой директории, например langchain-agent/, чтобы не менять открытый проект. Скилл создаёт .env, добавляет его в игнорирование Git и хранит там только ключ API провайдера. Ключ лучше ввести в .env самостоятельно, а не отправлять в чат.

При необходимости он ставит пакет выбранного провайдера, запускает пример и показывает результат. LangSmith и Tavily не добавляются без отдельной просьбы. Изоляция в новой папке — разумное условие, потому что скилл специально не должен засорять текущий проект.

Какие задачи решает

  • создать локального LangChain-агента на Python
  • выбрать провайдера и модель для агента
  • собрать пример погодного агента с create_agent
  • сохранить ключ API провайдера в .env

Примеры запросов агенту

  • Создай минимального LangChain-агента на Python в новой папке.
  • Собери погодного агента LangChain с моделью anthropic:claude-sonnet-5.
  • Запусти quickstart LangChain локально и покажи результат.

Как установить langchain-python-quickstart

1Через Skills CLI (Vercel)

npx skills add langchain-ai/langchain-skills --skill langchain-python-quickstart -a claude-code

2Вручную: положить файлы

~/.claude/skills/langchain-python-quickstart/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/langchain-python-quickstart/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора22

ecosystem-primer Помогает выбрать между LangChain, LangGraph и Deep Agents до написания кода. Определяет нужный уровень стека, переменные LangSmith и следующий скилл. CX Codex +1 8 000установок eval-engineering Скилл ведёт вас через проектирование агентских evals: разбирает репозиторий, пишет Task Spec, собирает и проверяет задачи в Harbor. CX Codex +1 5 300установок langgraph-python-quickstart Разворачивает минимального локального агента на LangGraph в Python по официальной документации. Пригодится для быстрой проверки агента в чистой изолированной папке. CX Codex +1 5 200установок deepagents-python-quickstart Собирает минимального Deep Agent на Python по живому quickstart LangChain: спрашивает модель, поднимает отдельную папку проекта, меняет Tavily на встроенный поиск провайдера. CX Codex +1 5 000установок langgraph-typescript-quickstart Разворачивает минимального локального агента LangGraph на TypeScript по официальному руководству. Пригодится для быстрой сборки и проверки графов без ручной настройки проекта. CX Codex +1 5 000установок deepagents-typescript-quickstart Собирает минимального Deep Agent на TypeScript по официальному квикстарту, с встроенным веб-поиском провайдера вместо Tavily. CX Codex +1 4 900установок langchain-typescript-quickstart Собирает минимального агента на LangChain и TypeScript по официальному квикстарту: погодный инструмент, createAgent, отдельная папка. Пригодится, когда хочется потрогать LangChain локально. CX Codex +1 5 000установок langgraph-decision-models Скилл учит агента заменять LLM-вызовы, из которых вы вытаскиваете решение, на типизированные вопросы с вероятностями. CX Codex +1 1 600установок

Похожие

langchain-python официальный github Правило для GitHub Copilot, которое подсказывает агенту паттерны LangChain: Runnable, LCEL, чат-модели, ретриверы и векторные хранилища. Пригодится, если вы пишете на Python с LangChain. ★ 40 418звёзд репо langchain-development Mindrally Задаёт агенту правила разработки на LangChain и LangGraph: композиция цепочек, агенты, память, RAG. Пригодится, когда проект на Python растёт и код надо держать в одном стиле. CX Codex +1 681установок migrating-langchain-to-pydantic-ai pydantic Скилл для переноса Python-приложений с LangChain, LangGraph и Deep Agents на Pydantic AI. Пригодится, когда нужно сохранить поведение, а не форму фреймворка. CX Codex +1 314установок langchain-architecture Seth Hobson Скилл помогает проектировать LLM-приложения на LangChain 1.x и LangGraph: агентов, память, состояние и вызов инструментов. Нужен для сложных AI-воркфлоу. CX Codex 13 150установок dataverse-python-quickstart официальный github Генерирует Python-примеры для Microsoft Dataverse SDK: подключение, CRUD, пакетные операции и постраничные запросы. Нужен при разработке интеграции Dataverse на Python. 8 700установок n8n-code-tool czlonkowski Скилл учит агента писать код для Custom Code Tool в n8n: объясняет формат возврата, два режима входа и ошибки, на которых спотыкается код из обычного Code node. CX Codex +1 1 600установок

Рядом в теме «Настройка агента: память, контекст, субагенты»

Всё по теме «Настройка агента: память, контекст, субагенты» →

Вопросы о langchain-python-quickstart

Как установить langchain-python-quickstart в Claude Code?

Выполните npx skills add langchain-ai/langchain-skills --skill langchain-python-quickstart -a claude-code, затем повторите npx skills add langchain-ai/langchain-skills --skill langchain-python-quickstart -a claude-code. Файл скилла находится в ~/.claude/skills/langchain-python-quickstart/SKILL.md.

Что делает langchain-python-quickstart?

Скилл создаёт минимальный локальный пример LangChain-агента на Python по текущему официальному quickstart. Он использует погодный сценарий и create_agent.

Что нужно для работы агента?

Нужно выбрать провайдера и модель в формате provider:model, а также добавить ключ API провайдера в .env. Если базовой установки LangChain недостаточно, скилл ставит пакет выбранного провайдера.

Исходный текст

SKILL.md · MIT
---
name: langchain-python-quickstart
description: "Scaffold a minimal local LangChain agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent locally."
---

# LangChain Python quickstart

Follow the live docs — do not invent an alternate API from memory:

**https://docs.langchain.com/oss/python/langchain/quickstart**

Fetch that page (Docs MCP or HTTP) and implement what it shows (weather agent + `create_agent`).

## Local setup constraints

Apply these on top of the quickstart (they keep setup minimal and model-agnostic):

1. **Ask** which provider/model to use. Showcase that LangChain is model-agnostic. Suggested prompt:

   > Which model should this agent use? Pass a `provider:model` string — e.g. `openai:gpt-5.5`, `anthropic:claude-sonnet-5`, `google_genai:gemini-2.5-flash-lite`. Default if you're unsure: **`anthropic:claude-sonnet-5`**.

   Swap the quickstart's model string for their choice (or the default).

2. Create a **new** directory (e.g. `langchain-agent/`) and do all work there — do not pollute the open project.

3. Only secret: the provider API key in `.env` (gitignored). No LangSmith / Tavily unless they ask. Prefer they edit `.env` themselves — don't paste keys into chat.

4. Install the provider package needed for their model if the quickstart's base install isn't enough.

5. Run the example, show output, then stop. Point to `langchain-fundamentals` for next steps.

© langchain-ai · MIT · langchain-ai/langchain-skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой