接入 LangChain & LangGraph 应用

框架介绍

LangChain 是一个面向大语言模型应用开发的框架，提供了模型调用、Prompt 组织、工具接入、检索增强生成（RAG）、Agent 构建等能力，帮助开发者快速搭建复杂的 LLM 应用。

LangGraph 是 LangChain 生态中的 Agent 编排框架，基于图结构构建多步推理和多 Agent 协作的 LLM 应用，支持循环控制流、状态管理和工具调用。

接入后，以下能力将被自动监控：

• LangChain Chain / Agent 的执行链路

• LLM 调用（模型名称、Token 用量、输入/输出内容）

• 工具调用（Tool name、参数、返回结果）

• Retriever / RAG 相关调用链路

• LangGraph 图节点执行和状态流转

接入方式

pip3 install aliyun-bootstrap

# 方式一：为本SHELL中所有进程添加环境变量
export ARMS_APP_NAME=xxx   # 应用名称。
export ARMS_WORKSPACE=xxx   # 替换为当前Workspace名称。
export ARMS_REGION_ID=xxx   # 对应的阿里云账号的RegionID。
export ARMS_LICENSE_KEY=xxx   # 阿里云 LicenseKey。

# 方式二：为某个进程单独添加环境变量
ARMS_APP_NAME=xxx ARMS_WORKSPACE=xxx ARMS_REGION_ID=xxx ARMS_LICENSE_KEY=xxx aliyun-instrument xxx.py

# 添加环境变量
ENV ARMS_APP_NAME={AppName}
ENV ARMS_REGION_ID={regionId}
ENV ARMS_LICENSE_KEY={licenseKey}
ENV ARMS_WORKSPACE={worksapce}

## 原有环境

aliyun-instrument python app.py

示例代码

import os
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent
from langchain_core.tools import tool

@tool
def get_weather(city: str) -> str:
    """Get weather information for a specified city"""
    weather_data = {"Beijing": "Sunny 25°C", "Shanghai": "Cloudy 22°C", "Hangzhou": "Light rain 20°C"}
    return weather_data.get(city, f"{city}: No weather data available")

@tool
def search_product(keyword: str) -> str:
    """Search product information by keyword"""
    products = {
        "ECS": "Elastic Compute Service, providing secure and reliable cloud servers",
        "RDS": "Relational Database Service, supports MySQL/PostgreSQL/SQL Server",
        "OSS": "Object Storage Service, massive, secure, and highly reliable cloud storage",
    }
    return products.get(keyword, f"No product found for '{keyword}'")

llm = ChatOpenAI(
    model="qwen-plus",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    api_key=os.environ.get("DASHSCOPE_API_KEY"),
    streaming=True,
    stream_usage=True,  # When enabled, streamed responses include token usage
)
agent = create_react_agent(llm, tools=[get_weather, search_product])
result = agent.invoke({"messages": [{"role": "user", "content": "What's the weather like in Beijing today? Also look up what ECS is as a product"}]})
for msg in result["messages"]:
    if msg.content:
        print(msg.content)

查看监控详情

1. 登录云监控2.0控制台，选择目标工作空间，在左侧导航栏选择所有功能 > AI应用可观测。

2. 在AI应用列表页面可以看到已接入的应用，单击应用名称可以查看详细的应用监控数据。

更多参考

流式场景下采集 Token 用量

使用 ChatOpenAI 的流式调用时，需要开启 stream_usage 才能采集到 Token 用量信息：

llm = ChatOpenAI(
    model="qwen-plus",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    api_key=os.environ.get("DASHSCOPE_API_KEY"),
    streaming=True,
    stream_usage=True,  # 开启后流式响应中会包含 token 用量
)

传递 session_id 与 user_id

在调用 agent.invoke 时，可通过 config 的 metadata 传入 session_id 和 user_id，用于会话分析、用户分析：

result = agent.invoke(
    {"messages": [{"role": "user", "content": "你好"}]},
    config={
        "metadata": {
            "session_id": "sess_abc123",
            "user_id": "user_456",
        },
    },
)

• session_id：会话标识，用于关联同一会话内的多轮调用

• user_id：用户标识，用于按用户维度统计和过滤

常见问题排查

Python探针使用常见问题