AI Agent / 系统课时

接入模型并验证最小调用

接入模型并验证最小调用

这一节只做一件事:通过统一聊天模型接口发出一次最小请求,并把“配置正确、鉴权成功、能收到消息、失败能定位”四件事一次验证清楚。示例以 OpenAI 集成为例,但模型名和密钥都放在环境变量中,不写死在源码里。

学习目标

  • 使用 init_chat_model 通过统一接口创建聊天模型
  • 用环境变量管理密钥和模型名,并检查返回消息是否有效
  • 区分鉴权、限流、网络连接和其他调用错误

准备模型集成

这个最小验证需要 langchain 和 langchain-openai。如果当前环境尚未安装它们,可以先安装并做一次导入检查。

bash
python -m pip install -q langchain langchain-openai
python -c "from langchain.chat_models import init_chat_model; import langchain_openai; print('model imports ok')"

预期输出:

text
model imports ok

运行脚本前,在当前运行环境中设置 OPENAI_API_KEY 和 OPENAI_MODEL。前者保存真实密钥,后者填写账号当前可用的模型名。密钥不要提交到仓库,也不要直接写进 Python 文件。

完成一次最小请求

下面的脚本先检查配置,再用 openai:<模型名> 的形式交给 init_chat_model 解析提供商。请求内容刻意保持极小,避免把提示词质量、工具调用或状态图逻辑混进连通性验证。

python
import os

from langchain.chat_models import init_chat_model
from openai import APIConnectionError, AuthenticationError, RateLimitError

def main() -> None:
    api_key = os.getenv("OPENAI_API_KEY")
    model_name = os.getenv("OPENAI_MODEL")

    if not api_key or not model_name:
        print("CONFIG_ERROR: set OPENAI_API_KEY and OPENAI_MODEL")
        raise SystemExit(2)

    try:
        model = init_chat_model(f"openai:{model_name}", temperature=0)
        reply = model.invoke("只回复 OK,不要添加其他文字。")
        print(type(reply).__name__)
        print(reply.content)
    except AuthenticationError:
        print("AUTH_ERROR: check OPENAI_API_KEY")
        raise SystemExit(1)
    except RateLimitError:
        print("RATE_LIMIT: retry later or check quota")
        raise SystemExit(1)
    except APIConnectionError:
        print("CONNECTION_ERROR: check network and endpoint")
        raise SystemExit(1)
    except Exception as exc:
        print(f"OTHER_ERROR: {type(exc).__name__}: {exc}")
        raise SystemExit(1)

if __name__ == "__main__":
    main()

预期输出:

text
AIMessage
<MODEL_RESPONSE>

<MODEL_RESPONSE> 表示模型实际返回的非空文本;按这个提示词通常应接近 OK,但验收重点是成功获得 AIMessage,而不是把生成文本当成固定协议。如果缺少环境变量,脚本会输出 CONFIG_ERROR 并以非零状态退出。

按错误类型定位问题

AUTH_ERROR 表示请求已经走到提供商鉴权阶段,优先检查密钥是否复制错误、是否已失效以及运行进程是否真的读到了正确环境变量。不要通过把密钥打印到日志来排查。

RATE_LIMIT 说明认证通常已通过,但当前配额或调用频率受限;此时继续改 LangGraph 代码没有意义。CONNECTION_ERROR 更偏向网络、代理、DNS 或自定义端点问题。OTHER_ERROR 则保留真实异常类型,适合继续判断模型名无效、请求参数不支持等问题。

通过标准

一次合格的最小验证需要同时满足三点:进程能读取密钥与模型名、init_chat_model 能创建对应提供商模型、invoke 能返回非空的 AIMessage。失败时脚本还必须给出可辨认的错误类别,而不是只留下一个未经处理的长堆栈。

做到这一步后,模型接入层就已经从“配置看起来没问题”变成“真实请求已验证”。后续把同一个模型对象放入 LangGraph 节点时,可以把注意力集中在状态读写、边和恢复机制上。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

接入模型并验证最小调用

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通