LangChain 环境怎么配：Node、Python、代理与密钥放哪

LangChain 环境配置用于安装 SDK、配置模型密钥并跑通 Agent。

截至 2026 年 11 月，官方文档已把 Python 与 JavaScript 两套环境分开维护：Python 快速上手页更新于 2026 年 10 月 29 日，LangChain.js 仓库列出了它支持的 Node.js 版本（见下文对照表，版本号全文只在这里出现一次）。现在值得重新配一遍环境，是因为旧教程里的包名、模型标识和密钥示例可能已经过时，而基础安装方式仍是后续配置代理、密钥和调试工具的共同起点。

下文凡标注“工程建议”的内容，是结合官方安装方式给出的操作选择；版本、包名、命令和接口均以官方文档或仓库为准。

先选 Python 还是 Node.js

两种语言都能使用 LangChain，但不要在同一个项目里混装两套 SDK。官方 Python 文档把 create_agent 描述为可组合模型、工具、提示词和中间件的 Agent 运行框架；LangChain.js 仓库则明确表示它使用 TypeScript 编写。

选择	适合场景	安装方式	需要额外准备
Python	数据处理、脚本、FastAPI 服务	pip 或 uv	Python 解释器、模型供应商 API Key
Node.js	TypeScript 项目、Next.js、服务器和边缘应用	npm、pnpm 或 yarn	Node.js 20.x、22.x 或 24.x、模型供应商 API Key
同时使用	Python 处理数据，Node.js 提供 Web 服务	两个独立项目目录	分别安装依赖、分别管理密钥

普通 AI 应用用户优先选 Python；已有 TypeScript 或 Next.js 技术栈则选 Node.js。官方 JavaScript 仓库还列出 Cloudflare Workers、Vercel、Supabase Edge Functions、Deno 和 Bun，但这些属于额外部署环境，不应成为第一次安装时的目标。

安装 SDK：先完成最小依赖

Python 路径使用官方概览页给出的安装命令。引号不能省，它表示同时安装 OpenAI 集成包：

pip install -qU langchain "langchain[openai]"

如果改用 Google Gemini，则把附加包换成 langchain[google-genai]；Anthropic 对应 langchain[anthropic]。包名不同，但主体仍是 langchain。如果最终不需要 Python Agent，只安装核心包 langchain 即可，减少不必要的依赖。

Node.js 路径按项目已有的包管理器选择，不要同时执行三条安装命令：

npm install -S langchain

pnpm install langchain

yarn add langchain

这三条命令都逐字来自 LangChain.js 官方仓库 README。安装后，目录中应出现 node_modules/langchain，同时生成或更新 package.json 里的依赖记录。Python 安装成功时，应能在当前解释器环境中找到 langchain 包；如果同时装了多个 Python 版本，应先确认当前终端调用的是准备运行项目的那一个解释器。

模型密钥：放环境变量，不放源码

模型密钥用于向 OpenAI、Google Gemini、Anthropic 或 OpenRouter 等服务认证。密钥属于敏感凭据：工程建议是只放在本机环境变量或本地环境文件中，不提交到 Git，也不写进发送给模型的提示词。

以 OpenAI 模型为例，Python 官方概览中的模型标识是 openai:gpt-5.5，安装时需要 langchain[openai]。在启动应用的 shell 会话中设置对应供应商的 API Key；不同供应商使用的变量名不同，应以其官方文档为准。

如果还要启用 LangSmith 追踪，官方 Python 快速上手页给出了下面两条命令：

export LANGSMITH_TRACING="true"
export LANGSMITH_API_KEY="..."

LANGSMITH_TRACING 控制是否开启追踪，LANGSMITH_API_KEY 保存 LangSmith 的访问密钥。这里的 ... 只是示意写法，不能原样运行；把引号内替换成真实密钥。关闭当前终端后，这些临时设置会失效，因此本地开发可临时导出，服务器部署则应交给平台的环境变量或密钥管理功能。

代理放在哪：先于 LangChain 配置

代理属于网络连接层，不属于 LangChain 本身。它决定 Python、Node.js、包管理器和模型 API 请求能否连到外部网络。最容易配错的位置，是只在某一个命令里设置代理，却让解释器、包管理器或 SDK 使用了另一套网络配置。

工程建议按以下顺序处理：

1. 先在浏览器或系统网络设置中确认代理地址、端口和认证方式。
2. 为终端进程统一配置 HTTP_PROXY、HTTPS_PROXY 和 NO_PROXY，其中 NO_PROXY 用于排除本机服务及无需代理的内部地址。
3. 再执行安装命令和运行脚本，确保 pip、npm 与程序请求使用同一代理。
4. 公司网络如果使用证书检查，在系统或语言运行时的证书配置中处理，不要通过关闭 TLS 校验绕过。

Python 使用 HTTP_PROXY 和 HTTPS_PROXY 时，应注意大小写差异在不同平台上的处理并不完全一致。代理或证书问题若只在 Node.js 中出现，先把 Node.js 版本对齐到上表列出的受支持范围，再检查进程是否继承了代理设置。LangChain.js 仓库也把 Getting started 作为安装、环境设置和简单示例的官方入口。

四个容易卡住的位置

装完仍提示找不到模块：通常是安装命令与运行命令使用了不同 Python 环境，或在项目根目录之外执行了脚本。重新进入项目目录，并用同一个 Python 解释器重新执行官方安装命令。Node.js 项目则应确认先执行 npm install -S langchain，再启动 package.json 中定义的开发脚本。

模型名称与附加包不匹配：官方 Python 概览分别给出了 openai:gpt-5.5、google_genai:gemini-2.5-flash-lite 和 claude-sonnet-4-6。模型提供方不同，附加包和调用前缀也不同；安装 OpenAI 集成后却保留 Gemini 标识，配置再正确也无法调用。

密钥已设置但请求仍失败：检查变量是否设置在启动程序的同一个终端或服务进程中。Linux、macOS 的 export 只作用于当前 shell 及其子进程；关闭终端后不会自动保存。源码中出现明文密钥则应立即删除并更换，因为已经进入版本库的密钥应按泄露处理。

代理能开网页但安装仍超时：浏览器代理与命令行代理不是同一层配置。确认 pip、npm 和运行程序实际继承的代理地址一致；需要绕过代理的本地接口加入 NO_PROXY。认证型代理还要在地址中包含用户名和密码，避免把凭据贴到公开日志或 issue 中。

怎么确认环境已经配好

Python 侧完成两件事即可开始使用：核心包安装成功，并且模型供应商密钥可被当前进程读取。下面是官方概览里那个完整可运行的最小 Agent（逐字取自官方示例，装好依赖、设好 API Key 后可直接跑）：

# pip install -qU langchain "langchain[openai]"
from langchain.agents import create_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_agent(
    model="openai:gpt-5.5",
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "What's the weather in San Francisco?"}]}
)

print(result["messages"][-1].content_blocks)

成功标志不是只出现欢迎文字，而是最后打印出消息列表末尾的内容块；工具调用或模型调用失败时，程序会直接抛出对应错误。

Node 侧我没有放代码，原因要说清楚：本文抓到的官方材料里，可运行示例只有 Python 这一份（官方概览页），LangChain.js 侧的最小示例在仓库文档里，我没有逐字核过就不复述——按上文装好 langchain 包、配好环境变量后，直接从 LangChain.js 仓库 的 Getting started 取示例更稳妥。

Node.js 侧先确认 node_modules/langchain 存在，再用官方 README 中的简单示例创建 Agent。若程序能加载 LangChain，但模型请求失败，继续检查模型标识、供应商附加包、API Key 和代理；若连 LangChain 本身都无法加载，则回到依赖安装和包管理器路径排查。

需要观察 Agent 内部调用时，再开启 LangSmith，而不是一开始就安装整套追踪工具。官方快速上手页提供追踪配置，也把 LangChain、Deep Agents 和 LangSmith 分成不同职责：前者负责组装 Agent，LangSmith 负责追踪、调试和评估。

官方入口与后续排查

Python 的安装、模型示例和 Agent 接口可以从 LangChain 官方概览 开始；更短的安装流程见 Python Quickstart。Node.js 的支持版本、三种包管理器命令和适用运行环境记录在 LangChain.js 官方仓库。

安装后如果依赖行为与预期不一致，先查看 Python Changelog，确认是否跨过了不兼容版本；发现文档错误可进入 LangChain 文档仓库 提交修改，需要讨论安装问题时则可打开 文档仓库 Issue。

参考来源

• Python 概览（LangChain overview，含 create_agent 最小示例）
• Python Quickstart（比概览更短的安装流程）
• LangChain.js 官方仓库（Node 支持版本、三种包管理器命令与运行环境）
• LangChain Changelog（核对包名、接口是否变过）
• 中文社区教程：从零到一个会查天气的 Agent（社区视角，非官方）