Configuration de l'environnement LangChain

Ce guide vous accompagnera dans l'installation et la configuration de LangChain afin que vous puissiez exécuter avec succès votre premier programme LangChain.

Exigences d'environnement

Projet	Version minimale	Version recommandée
Python	3.10	3.11 ou 3.12
pip	22.0	Dernière version
Système d'exploitation	macOS / Linux / Windows tous pris en charge

Vérifiez la version de Python :

$ python --version
Python 3.12.7

Si vous n'avez pas encore installé Python, consultez notreConfiguration de l'environnement Python3。

Référence pour les outils de gestion des paquets et des environnements Python :Tutoriel de prise en main d'uv。

Installation de LangChain

LangChain utilise une conception modulaire, avec les fonctionnalités de base et les intégrations tierces installées séparément.

Installer le paquet principal

$ pip install langchain

Cette commande installe le paquet principallangchain, qui inclut des API principales telles que init_chat_model() et create_agent(), et installe automatiquement langchain-core comme dépendance.

Installer le paquet du fournisseur de modèle

LangChain n'inclut pas lui-même d'implémentations de modèles spécifiques. Vous devez installer le paquet du fournisseur correspondant en fonction du modèle que vous utilisez :

Fournisseur de modèle	Commande d'installation	Modèles utilisés
OpenAI	pip install langchain-openai	GPT-4, GPT-5, etc.
Anthropic	pip install langchain-anthropic	Série Claude
DeepSeek	pip install langchain-deepseek	DeepSeek-V3, R1, etc.
Google	pip install langchain-google-genai	série Gemini
Ollama (modèles locaux)	pip install langchain-ollama	Modèles locaux tels que Llama, Qwen, etc.
xAI	pip install langchain-xai	série Grok
Mistral	pip install langchain-mistralai	Série Mistral

Installation en un clic

Il est conseillé aux débutants d'installer directement la combinaison suivante :

$ pip install langchain langchain-openai python-dotenv

python-dotenv sert à charger les clés API depuis le fichier .env. C'est la meilleure pratique pour gérer les informations sensibles et éviter de coder en dur la clé dans votre code.

Configurer la clé API

Obtenir une clé API

En prenant OpenAI comme exemple, vous devez d'abord créer un compte et obtenir une clé API :

Visitezhttps://platform.openai.comInscrivez-vous ou connectez-vous
Accédez à la page API Keys et cliquez sur « Create new secret key »
Copiez la clé générée (format : sk-xxxxxxxx)

La clé API n'est affichée qu'une seule fois, alors enregistrez-la immédiatement dans un endroit sûr. Ne committez pas la clé dans un dépôt Git et ne la partagez pas avec d'autres.

Le processus pour les autres fournisseurs est similaire ; veuillez vous référer à leur documentation respective.

Définir les variables d'environnement

Il est recommandé d'utiliser un fichier .env pour gérer la clé API. Créez un fichier .env dans le répertoire racine du projet :

Exemple

# Chemin du fichier : .env
# Remplissez votre clé API
OPENAI_API_KEY=sk-your-api-key-here

# Si vous utilisez d'autres modèles, configurez-les aussi ici
# ANTHROPIC_API_KEY=sk-ant-your-key
# DEEPSEEK_API_KEY=sk-your-key

Ensuite, créez un fichier .gitignore pour éviter que le fichier .env ne soit commité :

# .gitignore
.env
__pycache__/
*.pyc

Charger dans le code

Exemple

# Chemin du fichier : config.py
# Charger le fichier .env au début du programme
import os
from dotenv import load_dotenv

# Charger les variables d'environnement depuis le fichier .env
load_dotenv()

# Vérifier si la clé API a été chargée avec succès
api_key = os.getenv("OPENAI_API_KEY")
if api_key:
# Afficher uniquement les 8 premiers et 4 derniers caractères pour éviter de divulguer la clé complète
print(f"Clé API chargée : {api_key[:8]}...{api_key[-4:]}")
else:
print("Avertissement : OPENAI_API_KEY introuvable. Veuillez vérifier le fichier .env")

Vérifier l'installation

Exécutez le script suivant pour vérifier si l'installation a réussi :

Exemple

# Chemin du fichier : verify_install.py
# Vérifier l'installation de LangChain et la configuration de la clé API
from dotenv import load_dotenv
load_dotenv()

# Test 1 : Vérifier l'importation de langchain
try:
import langchain
print(f"version de langchain : {langchain.__version__}")
except ImportError:
print("Erreur : langchain n'est pas installé. Veuillez exécuter pip install langchain")

# Test 2 : Vérifier l'importation de langchain-openai
try:
import langchain_openai
print("langchain-openai est installé")
except ImportError:
print("Erreur : langchain-openai n'est pas installé. Veuillez exécuter pip install langchain-openai")

# Test 3 : Vérifier la configuration de la clé API
import os
api_key = os.getenv("OPENAI_API_KEY")
if not api_key:
print("Erreur : OPENAI_API_KEY n'est pas configurée. Veuillez la définir dans le fichier .env")
else:
print(f"Clé API configurée avec succès : {api_key[:8]}...{api_key[-4:]}")

# Test 4 : Envoyer une requête de test
from langchain.chat_models import init_chat_model

model = init_chat_model("openai:gpt-4o-mini")
response = model.invoke("Présentez Python en une phrase.")
print(f"\nRéponse du modèle : {response.content}")

Sortie :

langchain 版本: 1.3.0
langchain-openai 已安装
API Key 配置成功: sk-proj-z...xxxx
Model reply: Example is a Chinese technical learning platform for programming beginners.

Si la dernière étape signale une erreur, vérifiez : (1) si la clé API est correcte ; (2) si un proxy réseau affecte la connexion ; (3) si le solde du compte est suffisant.

En Chine, nous pouvons utiliser le grand modèle DeepSeek pour les tests. Si vous n'en avez pas encore, vous devez d'abordhttps://platform.deepseek.com/api_keyscréer une clé API.

Référence de la documentation de l'API DeepSeek :https://api-docs.deepseek.com/zh-cn/。

Si vous devez gérer plusieurs modèles tiers de manière unifiée, vous pouvez choisir d'installer LiteLLM comme passerelle de modèles :

pip install -U litellm

Cependant, les exemples de cet article utilisent directementChatOpenAIavecopenai_api_baseparamètres pour se connecter à DeepSeek, il n'est donc pas nécessaire d'installer LiteLLM en plus.

Exemple

import os
from langchain_openai import ChatOpenAI

# Il est recommandé de placer la clé API dans une variable d'environnement, ou de l'assigner directement ici (ne pas la coder en dur en production)
# os.environ["DEEPSEEK_API_KEY"] = "sk-your-DeepSeek-key"

# Initialiser le modèle
llm = ChatOpenAI(
model="deepseek-v4-pro", # Nom du modèle DeepSeek V4
openai_api_key="sk-your-Key", # Remplissez votre clé API DeepSeek
openai_api_base="https://api.deepseek.com", # Point de terminaison de l'API DeepSeek
temperature=0.7,
max_tokens=1024
)

# Testons-le
response = llm.invoke("Bonjour, DeepSeek ! Veuillez faire une brève présentation de vous-même.")
print(response.content)

Après avoir exécuté le code ci-dessus, la sortie sera :

你好！很高兴认识你！

我是DeepSeek，由深度求索公司创造的AI助手。我的特点包括：
。。。

Répertoire de projet suggéré

Structure de répertoires de projet recommandée :

langchain-learning/
├── .env                  # API Key 配置（不提交到 Git）
├── .gitignore            # Git 忽略规则
├── config.py             # 公共配置加载
├── 01_hello_world.py     # 第一篇的示例
├── 02_first_agent.py     # Agent 示例
└── ...                   # 更多练习

Autres extensions

Agent Configuration de développement

Manuel de référence

Configuration de l'environnement LangChain

Exigences d'environnement

Installation de LangChain

Installer le paquet principal

Installer le paquet du fournisseur de modèle

Installation en un clic

Configurer la clé API

Obtenir une clé API

Définir les variables d'environnement

Exemple

Charger dans le code

Exemple

Vérifier l'installation

Exemple

Exemple

Répertoire de projet suggéré