martsforever
113 lines
3.7 KiB
Python
113 lines
3.7 KiB
Python
import json
|
||
import random
|
||
import time
|
||
import uuid
|
||
from typing import TypedDict, Annotated, List
|
||
from operator import add
|
||
from fastapi import FastAPI
|
||
from langgraph.checkpoint.memory import InMemorySaver
|
||
from langgraph.constants import START, END
|
||
from langgraph.func import task, entrypoint
|
||
from langgraph.graph import StateGraph
|
||
from langgraph.types import interrupt
|
||
from starlette.responses import StreamingResponse
|
||
|
||
|
||
def add_test_route(app: FastAPI):
|
||
"""
|
||
将自定义工作流注册为 FastAPI 的流式接口
|
||
"""
|
||
|
||
@app.post('/run_workflow')
|
||
async def run_workflow():
|
||
# 生成唯一的线程 ID，用于追踪和持久化工作流执行状态
|
||
thread_id = str(uuid.uuid4())
|
||
config = {"configurable": {"thread_id": thread_id}}
|
||
|
||
# 创建工作流图实例
|
||
graph = create_graph()
|
||
|
||
async def generator_function():
|
||
"""
|
||
异步生成器函数，实现流式响应
|
||
使用 astream 方法流式执行工作流，实时返回每个节点的执行结果
|
||
"""
|
||
async for chunk in graph.astream(
|
||
input={}, # 空输入，工作流从 START 节点自动开始
|
||
config=config, # 配置线程 ID，支持状态持久化和恢复
|
||
stream_mode=['messages', 'updates'] # 同时流式消息和状态更新
|
||
):
|
||
# 将每个执行块格式化为 SSE (Server-Sent Events) 格式
|
||
yield f"data: {json.dumps(chunk, ensure_ascii=False)}\n\n"
|
||
|
||
# 返回流式响应，客户端可以实时接收工作流执行进度
|
||
return StreamingResponse(generator_function(), media_type="text/event-stream")
|
||
|
||
|
||
def create_graph(checkpointer=InMemorySaver()):
|
||
"""
|
||
创建 LangGraph 工作流图
|
||
|
||
Args:
|
||
checkpointer: 状态检查点保存器，默认为内存保存器
|
||
支持分布式部署时可替换为 Redis、PostgreSQL 等持久化存储
|
||
|
||
Returns:
|
||
编译后的工作流图实例
|
||
"""
|
||
|
||
# 定义工作流状态 schema
|
||
class StateSchema(TypedDict):
|
||
# name_list: 使用 Annotated 类型注解，指定 add 为归约函数
|
||
# 每次节点返回的 name_list 会自动累加到全局状态中
|
||
name_list: Annotated[List[str], add]
|
||
|
||
builder = StateGraph(StateSchema)
|
||
|
||
def node_1(state):
|
||
"""
|
||
工作流第一个节点：生成 0-100 的随机数
|
||
返回格式必须匹配 StateSchema，name_list 会被自动累加到状态中
|
||
"""
|
||
random_int = random.randint(0, 100)
|
||
print(["🧠节点执行", "node_1", random_int])
|
||
return {"name_list": [f"node_1:{random_int}"]}
|
||
|
||
def node_2(state):
|
||
"""
|
||
工作流第二个节点：生成 100-200 的随机数
|
||
state 参数包含当前累积的状态（可通过 state['name_list'] 访问）
|
||
"""
|
||
random_int = random.randint(100, 200)
|
||
print(["🧠节点执行", "node_2", random_int])
|
||
return {"name_list": [f"node_2:{random_int}"]}
|
||
|
||
def node_3(state):
|
||
"""
|
||
工作流第三个节点：生成 300-400 的随机数
|
||
节点执行完成后，所有 name_list 会通过 add 归约函数合并
|
||
"""
|
||
random_int = random.randint(300, 400)
|
||
print(["🧠节点执行", "node_3", random_int])
|
||
return {"name_list": [f"node_3:{random_int}"]}
|
||
|
||
# 注册三个节点到工作流
|
||
builder.add_node(node_1)
|
||
builder.add_node(node_2)
|
||
builder.add_node(node_3)
|
||
|
||
# 定义节点执行顺序：START -> node_1 -> node_2 -> node_3 -> END
|
||
builder.add_edge(START, 'node_1')
|
||
builder.add_edge('node_1', 'node_2')
|
||
builder.add_edge('node_2', 'node_3')
|
||
builder.add_edge('node_3', END)
|
||
|
||
# 编译工作流图，注入检查点保存器
|
||
# checkpointer 支持：
|
||
# 1. 断点续传：工作流中断后可从最近检查点恢复
|
||
# 2. 人机交互：在 interrupt 处暂停等待用户输入
|
||
# 3. 状态持久化：跨请求保持工作流状态
|
||
graph = builder.compile(checkpointer=checkpointer)
|
||
|
||
return graph
|