మీ ఎన్విరాన్మెంట్ను సెటప్ చేయడం: LangChain, LangGraph & Chat LLMs
నేను ఒకసారి LangChain ప్రాజెక్ట్ను డీబగ్ చేయడానికి రెండు గంటల సమయం వృధా చేశాను. సమస్య ఏమిటంటే ఒక ఎన్విరాన్మెంట్ వేరియబుల్ (environment variable) మిస్ అవ్వడం. నా API కీ ఒక .env ఫైల్లో ఉంది, కానీ నేను దానిని లోడ్ చేయడం మర్చిపోయాను.
నేను చేసినట్లుగా మీరు సమయాన్ని వృధా చేయకూడదనే ఉద్దేశంతో ఈ గైడ్ను రాశాను.
LangChain, LangGraph మరియు Chat LLMలతో పనిచేసే Python ఎన్విరాన్మెంట్ను ఎలా సెటప్ చేయాలో మీరు ఈ గైడ్ ద్వారా నేర్చుకుంటారు.
అవసరమైన ప్యాకేజీలు (Required Packages):
- langchain: chains మరియు agents కోసం కోర్ ఫ్రేమ్వర్క్
- langchain-openai: OpenAI మోడల్స్తో ఇంటిగ్రేషన్
- langchain-core: messages వంటి షేర్డ్ ప్రిమిటివ్స్ (shared primitives)
- langgraph: గ్రాఫ్ ఆధారిత ఏజెంట్ వర్క్ఫ్లోస్
- python-dotenv: .env ఫైల్ నుండి వేరియబుల్స్ను లోడ్ చేస్తుంది
- openai: అధికారిక OpenAI Python SDK
Step 1: Python వెర్షన్ను తనిఖీ చేయండి
LangChain కోసం Python 3.9 లేదా అంతకంటే ఎక్కువ వెర్షన్ అవసరం. మీ టెర్మినల్లో ఇది రన్ చేయండి:
python --version
Step 2: వర్చువల్ ఎన్విరాన్మెంట్ను సృష్టించండి డిపెండెన్సీ కాన్ఫ్లిక్ట్లను (dependency conflicts) నివారించడానికి ఎల్లప్పుడూ వర్చువల్ ఎన్విరాన్మెంట్ను ఉపయోగించండి.
mkdir langchain-agents-series
cd langchain-agents-series
python -m venv venv
Mac/Linuxలో యాక్టివేట్ చేయడానికి:
source venv/bin/activate
Windowsలో యాక్టివేట్ చేయడానికి:
venv\Scripts\activate
Step 3: డిపెండెన్సీలను ఇన్స్టాల్ చేయండి
మీ ఎన్విరాన్మెంట్ యాక్టివ్గా ఉన్నప్పుడు, ఇది రన్ చేయండి:
pip install langchain langchain-openai langchain-core langgraph python-dotenv openai
Step 4: మీ API కీలను సురక్షితంగా ఉంచండి మీ కోడ్లో API కీని ఎప్పుడూ నేరుగా (hardcode) రాయకండి. ఇది ప్రమాదకరం. మీరు దానిని GitHubకి పుష్ చేస్తే, బాట్లు దానిని దొంగిలిస్తాయి.
- .env ఫైల్ను సృష్టించండి:
touch .env - మీ కీని జోడించండి:
OPENAI_API_KEY=your-key-here - మీ .env మరియు venv ఫోల్డర్లను దాచడానికి ఒక .gitignore ఫైల్ను సృష్టించండి.
Step 5: మీ మొదటి ఏజెంట్
hello_agent.py అనే పేరుతో ఒక ఫైల్ను సృష్టించండి. మీ కీలను చదవడానికి load_dotenv() ఫంక్షన్ను ఉపయోగించండి.
ఏజెంట్లను నిర్మించేటప్పుడు temperature=0 ఉపయోగించండి. ఇది మోడల్ అవుట్పుట్ను ఊహించదగినదిగా మరియు స్థిరంగా (consistent) ఉంచుతుంది.
గమనించవలసిన సాధారణ లోపాలు (Common Errors):
- OPENAI_API_KEY not found: మీ .env ఫైల్ సరైన ఫోల్డర్లో ఉందో లేదో మరియు మీరు
load_dotenv()ని పిలిచారో లేదో తనిఖీ చేయండి. - ModuleNotFoundError: మీ వర్చువల్ ఎన్విరాన్మెంట్ యాక్టివ్గా లేదు.
- AuthenticationError: మీ API కీ తప్పుగా ఉంది.
- RateLimitError: మీరు మీ పరిమితిని చేరుకున్నారు లేదా మీ OpenAI ఖాతాకు క్రెడిట్లను జోడించాల్సి ఉంటుంది.
ఉత్తమ పద్ధతులు (Best Practices):
- ఎల్లప్పుడూ వర్చువల్ ఎన్విరాన్మెంట్ను ఉపయోగించండి.
pip freeze > requirements.txtద్వారా మీ వెర్షన్లను ఫిక్స్ చేయండి.- స్థిరత్వం కోసం
temperature=0ఉపయోగించండి. - ఖర్చులను ట్రాక్ చేయడానికి మీ టోకెన్ వినియోగాన్ని లాగ్ చేయండి.
Source: https://dev.to/ikram_khan/setting-up-your-environment-langchain-langgraph-chat-llms-43cf
ఐచ్ఛిక అభ్యాస సమూహం: https://t.me/GyaanSetuAi