fastapi-langgraph-agent-production-ready-template

环境要求

• Python 环境（项目开发语言为 Python）
• Docker 与 Docker Compose（README 推荐用 docker-up 启动 API + PostgreSQL）
• 一个可用的 OpenAI API Key（用于 LLM 调用、记忆的事实抽取与向量化）
• PostgreSQL（由 make docker-up 一并启动，长期记忆需启用 pgvector 扩展）

安装与启动步骤

1. 1克隆项目仓库

   把模板仓库拉到本地并进入目录，目录名 my-agent 可自行更换。

   git clone https://github.com/wassim249/fastapi-langgraph-agent-production-ready-template.git my-agent
   cd my-agent

   复制

2. 2复制环境变量模板

   把 .env.example 复制为 .env.development，后续所有密钥与模型配置都写在这个文件里。

   cp .env.example .env.development

   复制

3. 3填写 LLM 密钥

   编辑 .env.development，至少填入有效的 OPENAI_API_KEY；如用 Atlas Cloud 等 OpenAI 兼容服务，再改 OPENAI_BASE_URL 和 DEFAULT_LLM_MODEL。

4. 4安装项目依赖

   通过仓库自带的 make 目标安装 Python 依赖，需在项目根目录执行。

   make install

   复制

5. 5启动 Docker 服务

   一条命令同时拉起 API 服务和 PostgreSQL 数据库，首次启动会拉取镜像，耗时稍长。

   make docker-up

   复制

6. 6打开 API 文档

   在浏览器访问交互式文档页，能看到接口列表即代表服务已正常起来。

关键配置

如何确认成功

浏览器打开 http://localhost:8000/docs，能看到 FastAPI 交互式 API 文档页面即启动成功。

常见问题

注意事项

• 务必先填好 .env.development 中的密钥再执行 make docker-up，否则服务起来后调用 LLM 会失败。
• 使用推理类模型时，代码中需把 max_tokens 设为 512 及以上（README 示例为 512）。
• .env.development 中含密钥，不要提交到版本库。
• 长期记忆依赖 PostgreSQL 的 pgvector 扩展，README 说明无需额外的 mem0 云服务账号。