К основному содержанию
скилл CX Codex

langgraph-project-setup — скилл для Claude Code: настройка

Скилл langgraph-project-setup для Claude Code помогает создать и настроить проект LangGraph. Он включается при настройке структуры, langgraph.json, переменных среды и зависимостей.

MIT ★ 106 обновлён 2026-11-11

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add soba-labs/langchain-agent-skills --skill langgraph-project-setup -a claude-code
Открыть на GitHub

Что делает langgraph-project-setup

Скилл создаёт каркас проекта LangGraph для Python или JavaScript/TypeScript: структуру каталогов, langgraph.json, шаблон .env, файл зависимостей и заготовки кода. Можно выбрать простой или мультиагентный шаблон. Скрипты инициализации используют uv или python3 для Python и node для JavaScript.

Для настройки переменных среды скилл предлагает интерактивный скрипт или редактирование .env; среди вариантов есть провайдеры OpenAI, Anthropic, Google и AWS Bedrock. Для работы агента нужно настроить хотя бы одного LLM-провайдера. Скилл также помогает проверить конфигурацию и запустить локальную разработку через langgraph dev; режим langgraph up требует Docker и использует PostgreSQL для хранения состояния.

Какие задачи решает

  • создать каркас проекта LangGraph на Python
  • настроить langgraph.json для графа
  • подготовить .env для LLM-провайдера
  • разделить код мультиагентного проекта по модулям
  • проверить конфигурацию перед локальным запуском

Примеры запросов агенту

  • Создай Python-проект LangGraph с мультиагентной структурой.
  • Настрой langgraph.json для моего агента и подготовь .env.
  • Проверь конфигурацию проекта LangGraph и помоги запустить его локально.

Как установить langgraph-project-setup

1Через Skills CLI (Vercel)

npx skills add soba-labs/langchain-agent-skills --skill langgraph-project-setup -a claude-code

2Вручную: положить файлы

~/.claude/skills/langgraph-project-setup/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/langgraph-project-setup/

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

Вопросы о langgraph-project-setup

Как установить langgraph-project-setup в Claude Code?

Выполни npx skills add soba-labs/langchain-agent-skills --skill langgraph-project-setup -a claude-code. Файл скилла появится по пути ~/.claude/skills/langgraph-project-setup/SKILL.md.

Что делает langgraph-project-setup?

Создаёт структуру проекта LangGraph для Python или JavaScript/TypeScript, готовит langgraph.json и шаблон .env, помогает настроить зависимости и проверить конфигурацию.

Что нужно для работы langgraph-project-setup?

Для агента требуется настроить хотя бы одного LLM-провайдера, например OpenAI или Anthropic. Для Python-проекта скрипт использует uv или python3, для JavaScript — node; запуск через langgraph up требует Docker.

Исходный текст

SKILL.md · MIT
---
name: langgraph-project-setup
description: Initialize and configure LangGraph projects with proper structure, langgraph.json configuration, environment variables, and dependency management. Use when users want to (1) create a new LangGraph project, (2) set up langgraph.json for deployment, (3) configure environment variables for LLM providers, (4) initialize project structure for agents, (5) set up local development with LangGraph Studio, (6) configure dependencies (pyproject.toml, requirements.txt, package.json), or (7) troubleshoot project configuration issues.
---

# LangGraph Project Setup

Initialize and configure LangGraph projects for local development and deployment.

## Quick Start

### Python Project

```bash
# Initialize new project
uv run scripts/init_langgraph_project.py my-agent

# Fallback if uv not available
python3 scripts/init_langgraph_project.py my-agent

# Or with options
uv run scripts/init_langgraph_project.py my-agent \
  --pattern multiagent \
  --python-version 3.12

# Fallback if uv not available
python3 scripts/init_langgraph_project.py my-agent \
  --pattern multiagent \
  --python-version 3.12
```

### JavaScript Project

```bash
# Initialize new project
node scripts/init_langgraph_project.js my-agent

# TypeScript project
node scripts/init_langgraph_project.js my-agent --typescript

# Multi-agent pattern
node scripts/init_langgraph_project.js my-agent \
  --pattern multiagent \
  --typescript
```

## Setup Workflow

### Step 1: Choose Project Pattern

**Simple Pattern:** Single agent with straightforward workflow
- Best for: Getting started, prototypes, single-purpose agents
- Structure: Minimal files, agent.py/agent.ts at package root

**Multi-Agent Pattern:** Modular architecture with separated concerns
- Best for: Complex workflows, multiple agents, production applications
- Structure: utils/ directory with state.py, nodes.py, tools.py

### Step 2: Initialize Project

Run the init script with your chosen pattern:

```bash
# Python - simple
uv run scripts/init_langgraph_project.py my-agent

# Fallback if uv not available
python3 scripts/init_langgraph_project.py my-agent

# Python - multi-agent
uv run scripts/init_langgraph_project.py my-agent --pattern multiagent

# Fallback if uv not available
python3 scripts/init_langgraph_project.py my-agent --pattern multiagent

# JavaScript/TypeScript - simple
node scripts/init_langgraph_project.js my-agent --typescript

# JavaScript/TypeScript - multi-agent
node scripts/init_langgraph_project.js my-agent --pattern multiagent --typescript
```

The script creates:
- Project directory structure
- `langgraph.json` configuration
- `.env` template
- Dependency files (pyproject.toml or package.json)
- `.gitignore`
- Boilerplate code with TODO comments

### Step 3: Install Dependencies

**Python:**
```bash
cd my-agent
uv venv --python 3.12
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
uv pip install -e '.[dev]'

# Fallback if uv not available
python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -e '.[dev]'
```

**JavaScript:**
```bash
cd my-agent
npm install  # or: yarn install / pnpm install
```

### Step 4: Configure Environment Variables

**Option A: Interactive Setup (Recommended)**

```bash
uv run scripts/setup_providers.py
```

Follow the prompts to configure:
- OpenAI
- Anthropic (Claude)
- Google (Gemini)
- AWS Bedrock
- LangSmith (tracing)
- Tavily (search)

**Option B: Manual Configuration**

Edit `.env` file directly:

```bash
# Required: Choose at least one LLM provider
OPENAI_API_KEY=sk-...
# or
ANTHROPIC_API_KEY=sk-ant-...

# Optional: Enable tracing
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_TRACING=true
LANGSMITH_PROJECT=my-project
```

See `references/provider-configuration.md` for provider-specific setup.

### Step 5: Implement Agent Logic

Replace TODO comments in generated files:

**Python Simple:**
- Edit `my_agent/agent.py`
- Configure LLM in `call_model` function

**Python Multi-Agent:**
- Define state schema in `my_agent/utils/state.py`
- Implement node logic in `my_agent/utils/nodes.py`
- Add tools in `my_agent/utils/tools.py`
- Build graph in `my_agent/agent.py`

**JavaScript/TypeScript:**
- Similar structure in `src/` directory
- Import appropriate LangChain packages

### Step 6: Configure langgraph.json

The init script creates a basic configuration. Customize as needed:

```json
{
  "dependencies": ["."],
  "graphs": {
    "agent": "./my_agent/agent.py:graph"
  },
  "env": ".env",
  "python_version": "3.11"
}
```

**Key configuration options:**
- `dependencies`: Package dependencies location
- `graphs`: Mapping of graph IDs to code paths
- `env`: Path to environment file
- `python_version` or `node_version`: Runtime version

For complete schema reference, see `references/langgraph-json-schema.md`.

### Step 7: Start Development Server

**Option A: langgraph dev (Recommended for development)**

```bash
langgraph dev
```

- No Docker required
- In-memory state persistence
- Hot reloading enabled
- Default port: 2024

**Option B: langgraph up (Production-like testing)**

```bash
langgraph up
```

- Docker required
- PostgreSQL state persistence
- Production environment simulation
- Default port: 8123

### Step 8: Connect to LangGraph Studio

Access Studio in your browser:

```
https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
```

**Safari users:** Use `--tunnel` flag:
```bash
langgraph dev --tunnel
```

## Validation

### Validate Configuration

```bash
uv run scripts/validate_langgraph_config.py
```

Checks:
- Required fields (dependencies, graphs)
- File paths and references
- Optional field formats
- Common configuration errors

### Test Agent Locally

```bash
# Start server
langgraph dev

# In another terminal, test with curl
curl -X POST http://localhost:2024/invoke \
  -H "Content-Type: application/json" \
  -d '{"input": {"messages": [{"role": "user", "content": "Hello"}]}}'
```

## Common Configurations

### Python with OpenAI

```toml
# pyproject.toml
[project.optional-dependencies]
openai = ["langchain-openai>=1.1.0"]
```

```python
# agent.py
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-4o-mini")
```

### Python with Anthropic

```toml
# pyproject.toml
[project.optional-dependencies]
anthropic = ["langchain-anthropic>=1.1.0"]
```

```python
# agent.py
from langchain_anthropic import ChatAnthropic

model = ChatAnthropic(model="claude-haiku-4-5-20251001")
```

### JavaScript with OpenAI

```json
// package.json
{
  "dependencies": {
    "@langchain/openai": "^1.1.0"
  }
}
```

```typescript
// agent.ts
import { ChatOpenAI } from "@langchain/openai";

const model = new ChatOpenAI({ model: "gpt-4o-mini" });
```

## Project Structure Reference

- Python structures: `references/python-project-structure.md`
- JavaScript structures: `references/javascript-project-structure.md`
- langgraph.json schema: `references/langgraph-json-schema.md`
- Provider setup: `references/provider-configuration.md`
- Deployment options: `references/deployment-targets.md`

## Troubleshooting

### "Module not found" errors

Ensure dependencies are installed:

```bash
# Python
uv pip install -e '.[dev]'

# Fallback if uv not available
pip install -e '.[dev]'

# JavaScript
npm install
```

### "Graph not found" in langgraph.json

Check graph path format:
- Python: `./package_name/agent.py:graph`
- JavaScript: `./src/agent.ts:graph`

Validate: `uv run scripts/validate_langgraph_config.py` (fallback: `python3 scripts/validate_langgraph_config.py`)

### Environment variables not loading

- Check `.env` file exists in project root
- Verify `"env": ".env"` in langgraph.json
- Ensure no quotes around values in .env
- Restart development server after changes

### Studio connection issues

- Verify server is running: `langgraph dev`
- Check correct port (default: 2024)
- Safari users: use `--tunnel` flag
- Check firewall/security software

### Hot reload not working

- Ensure using `langgraph dev` (not `langgraph up`)
- Check file is in correct directory
- Try manual restart if needed

## Next Steps

After setup:

1. Implement agent logic (replace TODOs)
2. Add tools and nodes as needed
3. Test with Studio
4. Write tests (see langgraph-testing-evaluation skill)
5. Deploy to LangSmith (see langsmith-deployment skill)

## Scripts Reference

### init_langgraph_project.py

Initialize Python project:

```bash
uv run scripts/init_langgraph_project.py <name> [--pattern simple|multiagent] [--python-version 3.11|3.12|3.13]

# Fallback if uv not available
python3 scripts/init_langgraph_project.py <name> [--pattern simple|multiagent] [--python-version 3.11|3.12|3.13]
```

### init_langgraph_project.js

Initialize JavaScript project:

```bash
node scripts/init_langgraph_project.js <name> [--pattern simple|multiagent] [--typescript]
```

### validate_langgraph_config.py

Validate langgraph.json:

```bash
uv run scripts/validate_langgraph_config.py [path/to/langgraph.json]

# Fallback if uv not available
python3 scripts/validate_langgraph_config.py [path/to/langgraph.json]
```

### setup_providers.py

Interactive provider setup:

```bash
uv run scripts/setup_providers.py [--output .env]

# Fallback if uv not available
python3 scripts/setup_providers.py [--output .env]
```

## Additional Resources

- [LangGraph Documentation](https://docs.langchain.com/langgraph)
- [LangSmith Documentation](https://docs.langchain.com/langsmith)
- [LangGraph CLI Reference](https://docs.langchain.com/langsmith/cli)
- [Application Structure Guide](https://docs.langchain.com/oss/python/langgraph/application-structure)

© soba-labs · MIT · soba-labs/langchain-agent-skills

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
langgraph-fundamentals langchain-ai Скилл langgraph-fundamentals для написания кода LangGraph на любой платформе. Охватывает StateGraph, схемы состояния, ноды, рёбра, Command, Send, invoke, потоковую передачу и обработку ошибок. CX Codex +1 19 300установок langgraph-typescript-quickstart langchain-ai Скилл langgraph-typescript-quickstart для Claude Code разворачивает минимального локального агента LangGraph на TypeScript по официальному руководству. Он собирает и проверяет графы без ручной настройки проекта. CX Codex +1 5 900установок ns-langgraph-agents nextstage-brasil Скилл ns-langgraph-agents для Claude Code, Codex, Cursor и других платформ, который ведёт разработку LangGraph.js agent-api от начального развёртывания до синхронизации graph-spec. CX Codex +1 171установок options-analytics-agent-langgraph reason-machines Скилл options-analytics-agent-langgraph для Claude Code и Codex. Собирает агента на LangGraph для анализа опционов: интегрирует данные Polygon.io, кэширует результаты в ChromaDB, сохраняет историю диалога в SQLite. CX Codex +1 2 100установок langgraph sickn33 Строит явные графы LangGraph вместо неявных цепочек вызовов. Организует stateful-агентов с ветвлениями и паузами на решение человека. CX Codex +1 1 300установок langgraph-code-review existential-birds Скилл langgraph-code-review проверяет код на базе LangGraph в Claude Code и других агентах. Он находит мутации состояния, пропущенные редьюсеры и ошибки в узлах графа. CX Codex +1 890установок

Из того же набора9

langsmith-trace-analyzer Скилл langsmith-trace-analyzer для Claude Code скачивает и разбирает трассы LangSmith. Он включается при отладке агентов и оценке результатов по логам запусков. CX Codex +1 ★ 106звёзд репо langsmith-deployment Помогает разворачивать и обслуживать агентные серверы в LangSmith Deployment. Подключается при настройке langgraph.json, создании ревизий или разборе проблем с запуском. CX Codex +1 ★ 106звёзд репо langgraph-testing-evaluation Скилл langgraph-testing-evaluation для Claude Code проверяет и оценивает агентов LangGraph и LangChain. Он подключается к задачам с тестами узлов, оценкой траекторий и сравнением версий агента. CX Codex +1 ★ 106звёзд репо langgraph-state-management Скилл langgraph-state-management для Claude Code помогает проектировать состояние приложений LangGraph и разбирать проблемы с его обновлением. Включается при работе со схемами, редьюсерами и сохранением состояния. CX Codex +1 ★ 106звёзд репо langgraph-error-handling Скилл langgraph-error-handling для Claude Code помогает настраивать обработку ошибок в LangGraph. Подключается, когда нужно добавить повторы, восстановление через LLM или передачу решения человеку. CX Codex +1 ★ 106звёзд репо langgraph-agent-patterns Скилл langgraph-agent-patterns для Claude Code помогает собирать схемы координации агентов в приложениях на LangGraph. Он включается при выборе паттерна или отладке взаимодействия агентов. CX Codex +1 ★ 106звёзд репо deepagents-setup-configuration Скилл deepagents-setup-configuration для Claude Code создаёт и проверяет проекты Deep Agents на Python или JavaScript. Помогает настроить субагентов, память и подтверждение действий человеком. CX Codex +1 ★ 106звёзд репо deepagents-planning-todos Скилл deepagents-planning-todos для Claude Code помогает планировать задачи в Deep Agents через список дел write_todos. Он включается, когда нужно разбить работу на этапы, следить за прогрессом или выяснить, почему пункт не завершается. CX Codex +1 ★ 106звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой