اتصال LangGraph به پیکو هوش

LangGraph برای ساخت ایجنت‌هایی با حالت (state)، حلقه و انشعاب روی LangChain ساخته شده است. LangGraph خودش مدل را صدا نمی‌زند؛ هر گره از یک مدل چت LangChain استفاده می‌کند. پس اتصال به پیکو هوش یعنی ساختن ChatOpenAI با base_url مناسب و دادن آن به گراف.

ایجنت‌ها معمولاً درخواست‌های متعددی پشت‌سرهم می‌فرستند. شفافیت هزینه در پیکو هوش (نمایش مصرف هر درخواست در داشبورد) به شما کمک می‌کند هزینه‌ی هر اجرای گراف را بسنجید.

پیش‌نیازها

• یک حساب پیکو هوش و یک کلید API از داشبورد (کلید فقط یک‌بار کامل نمایش داده می‌شود).
• شناسه‌ی دقیق مدل از کاتالوگ؛ در مثال‌ها از gpt-6-sol و claude-sonnet-5-5 استفاده شده است.
• کمی موجودی در کیف پول تومانی یا اعتبار؛ تعرفه را در صفحه‌ی قیمت‌ها ببینید.

راه‌اندازی گام‌به‌گام

1. ۱نصب

   LangGraph و ادغام OpenAI.

   کپی

   pip install -U langgraph langchain-openai

2. ۲ایجنت ReAct آماده

   تابع create_react_agent مدل و ابزارها را می‌گیرد.

   کپی

   import os
   from langchain_openai import ChatOpenAI
   from langchain_core.tools import tool
   from langgraph.prebuilt import create_react_agent
   
   @tool
   def add(a: int, b: int) -> int:
       """جمع دو عدد"""
       return a + b
   
   llm = ChatOpenAI(model="gpt-6-sol", api_key=os.environ["PICOAI_API_KEY"], base_url="https://api.picoai.ir/v1")
   agent = create_react_agent(llm, [add])
   res = agent.invoke({"messages": [("user", "۱۲ و ۳۰ را جمع کن")]})
   print(res["messages"][-1].content)

3. ۳گراف سفارشی با StateGraph

   هر گره مدل را به‌صورت عادی صدا می‌زند.

   کپی

   from langgraph.graph import StateGraph, MessagesState, START, END
   
   def call_model(state: MessagesState):
       return {"messages": [llm.invoke(state["messages"])]}
   
   g = StateGraph(MessagesState)
   g.add_node("model", call_model)
   g.add_edge(START, "model")
   g.add_edge("model", END)
   app = g.compile()
   print(app.invoke({"messages": [("user", "سلام")]})["messages"][-1].content)

تست سریع اتصال

پیش از نوشتن منطق برنامه، یک بار فهرست مدل‌ها را بگیرید. اگر پاسخ ۲۰۰ و فهرستی از شناسه‌ها برگشت، کلید، شبکه و آدرس درست است و هر مشکل بعدی مربوط به تنظیمات LangGraph خواهد بود.

curl https://api.picoai.ir/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

نکته‌های کاربردی برای LangGraph

• برای کنترل هزینه، تعداد گام‌های حلقه را با recursion_limit محدود کنید.
• گره‌های ساده (مسیریابی، دسته‌بندی) را به مدل اقتصادی و گره‌ی استدلال نهایی را به مدل قوی‌تر بسپارید.
• checkpoint را فعال کنید تا بعد از خطای شبکه بتوانید اجرا را از همان نقطه ادامه دهید.

عیب‌یابی

هزینه و صورتحساب

هر درخواست قبل از اجرا مقداری از موجودی را رزرو می‌کند و پس از پاسخ موفق بر پایه‌ی توکن‌های واقعی تسویه می‌شود؛ مابه‌التفاوت برمی‌گردد و درخواست ناموفق چیزی کم نمی‌کند. جدول قیمت هر مدل در صفحه‌ی قیمت‌ها منتشر شده و مصرف هر درخواست در داشبورد قابل مشاهده است. اگر قبلاً از سرویس دیگری استفاده می‌کردید، راهنمای مهاجرت و صفحه‌ی مقایسه را ببینید.