LangGraph Starter Kit: Bộ khởi động nhanh cho ứng dụng AI Đa tác nhân với 6 Pattern và 5 Nhà cung cấp

Nếu bạn đã từng xây dựng hơn một dự án sử dụng LangGraph, bạn sẽ quen thuộc với công việc lặp đi lặp lại: thiết lập người điều phối (supervisor), cấu hình nhà cung cấp, tạo công cụ chuyển giao (handoff tools), quản lý lưu trữ dữ liệu và thiết lập các điểm cuối streaming.

Tuy nhiên, thay vì viết lại những dòng code đó cho từng dự án mới, một giải pháp mới được giới thiệu sẽ đóng gói tất cả quy trình vào một bộ công cụ duy nhất.

GitHub Stars

Giới thiệu LangGraph Starter Kit

LangGraph Starter Kit là bộ khung (boilerplate) giúp các nhà phát triển xây dựng các ứng dụng AI đa tác nhân sẵn sàng cho môi trường sản xuất một cách nhanh chóng nhất. Với chỉ một câu lệnh đơn giản, bạn có thể thiết lập một dự án hoàn chỉnh với đầy đủ các tính năng cần thiết.

Để bắt đầu, bạn chỉ cần chạy dòng lệnh sau trong terminal:

npx create-langgraph-app

Công cụ này cung cấp giao diện CLI tương tác, cho phép bạn chọn nhà cung cấp và các mẫu thiết kế (pattern) mà bạn muốn triển khai ngay lập tức. Ngoài ra, bạn cũng có thể clone toàn bộ bộ công cụ từ GitHub để sử dụng tất cả các tính năng có sẵn.

6 Mẫu thiết kế (Patterns) phổ biến

Bộ kit bao gồm 6 mẫu thiết kế riêng biệt, mỗi mẫu là một ứng dụng độc lập mà bạn có thể sử dụng, chỉnh sửa hoặc xóa tùy theo nhu cầu dự án:

• Supervisor (Người điều phối): Một điều phối viên trung tâm chịu trách nhiệm định tuyến các tác vụ đến các tác nhân (worker agents) con.
• Swarm (Đàn): Các tác nhân chuyển giao nhiệm vụ cho nhau bằng các công cụ chuyển giao mà không cần một "bộ não" trung tâm điều khiển.
• Human-in-the-loop (Con người trong vòng lặp): Đồ thị (graph) sẽ tạm dừng để chờ sự phê duyệt của con người trước khi thực hiện các hành động có tính hủy diệt hoặc nhạy cảm.
• Structured Output (Đầu ra có cấu trúc): Các phản hồi JSON có kiểu dữ liệu cụ thể được kiểm tra bởi thư viện Zod.
• Research Agent (Tác nhân nghiên cứu): Kết hợp tìm kiếm web và thu thập dữ liệu, trong đó một supervisor điều phối một researcher và một writer.
• RAG (Retrieval-Augmented Generation): Sử dụng kho vector trong bộ nhớ (in-memory vector store) để truy xuất ngữ nghĩa mà không cần cơ sở dữ liệu bên ngoài.

Hỗ trợ 5 Nhà cung cấp LLM

Một trong những ưu điểm lớn của LangGraph Starter Kit là khả năng linh hoạt trong việc chọn nhà cung cấp mô hình ngôn ngữ lớn (LLM). Việc cấu hình cực kỳ đơn giản, chỉ cần hai dòng trong file .env:

LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-ant-...

Bộ kit hiện hỗ trợ 5 nhà cung cấp chính: OpenAI, Anthropic, Google, Groq và Ollama (dùng cục bộ). Mỗi nhà cung cấp đều có cài đặt mô hình mặc định hợp lý, nhưng bạn vẫn có thể ghi đè bằng biến môi trường LLM_MODEL nếu muốn thay đổi.

Mở rộng và tùy biến

Để mở rộng ứng dụng, bạn có thể sử dụng TypeScript để định nghĩa các tác nhân mới một cách dễ dàng. Ví dụ sau minh họa cách tạo một ứng dụng mới với một tác nhân và một supervisor:

export function createMyApp() {
  const agent = makeAgent({
    name: "my_agent",
    llm,
    tools: [/* your tools */],
    system: "Bạn là một trợ lý hữu ích.",
  });

  return makeSupervisor({
    agents: [agent],
    llm,
    outputMode: "last_message",
    supervisorName: "my_supervisor",
  });
}

Sau khi định nghĩa, bạn chỉ cần đăng ký nó trong máy chủ (server) để có ngay một điểm cuối mới với đầy đủ tính năng streaming, luồng xử lý (threads) và lưu trữ dữ liệu.

Các tính năng đi kèm khác

Ngoài các tính năng cốt lõi, bộ khởi động này còn đi kèm với một hệ sinh thái công cụ hỗ trợ toàn diện cho quy trình phát triển phần mềm hiện đại:

• Tích hợp công cụ MCP (Model Context Protocol) qua stdio và HTTP.
• Hỗ trợ SSE (Server-Sent Events) streaming trên mọi điểm cuối.
• Cấu hình sẵn cho LangGraph Studio.
• Theo dõi (tracing) với LangSmith chỉ thông qua một biến môi trường.
• Docker Compose đi kèm với cơ sở dữ liệu Postgres.
• Hơn 25 bài kiểm thử (tests) và tích hợp GitHub Actions CI.
• Cấu hình triển khai sẵn cho các nền tảng như Railway và Render.

Cách cài đặt nhanh

Bạn có thể bắt đầu ngay hôm nay bằng một trong hai cách sau:

Cách 1: Sử dụng npx (Khuyên dùng)

npx create-langgraph-app

Cách 2: Clone từ GitHub

git clone https://github.com/ac12644/langgraph-starter-kit.git
cd langgraph-starter-kit
npm install && cp .env.example .env
npm run dev

Dự án được cấp phép theo Apache 2.0 và chào đón mọi sự đóng góp từ cộng đồng. Đây là một công cụ hữu ích dành cho các lập trình viên đang muốn xây dựng các hệ thống AI phức tạp mà không muốn mất quá nhiều thời gian vào việc thiết lập hạ tầng ban đầu.