自托管、生产就绪的 LangGraph 运行时：以 Redis 为中枢，把 LangGraph 的「调度」与 「执行」拆分为可独立扩缩容的服务，对外提供与 LangGraph Platform 兼容的 HTTP API。
为什么自托管：官方 Platform 把调度和执行都管起来，但你的图、checkpoint、store、 事件流也存在别人的云上。superlanggraph 把这套 API 原样搬回你自己的机器——数据全部 落在自己的 Redis 里；driver 跑官方 Pregel 循环，调度语义 100% 官方；worker 无状态， 吞吐不够就加进程。
验收标准：官方 langgraph-sdk 不改一行代码直连本系统，全部功能可用。对齐的
可执行定义是 SDK 的 5 个命名空间 46 个方法逐条可用（见 tests/e2e/ 验收套件）。
- Python 3.12+ 与 uv
- Docker（Redis 与可选的可观测性组件）
克隆本仓库后执行 uv sync 安装依赖。
# 1. 启动 Redis（开 AOF）
docker compose up -d redis
# 2. 启动服务（加载仓库自带示例图；换成你自己的 langgraph.json 亦可）
uv run superlanggraph server --config examples/demo/langgraph.json
# 3. 另开一个终端：官方 SDK 直连，跑通流式 / 同步 / HITL / store 全流程
uv run python examples/demo/client.pylanggraph.json 与官方格式一致，指向你自己的图只需改 --config：
{"graphs": {"agent": "./agent.py:graph"}}最小直连示例（未启用鉴权时 api_key 任填）：
import asyncio
from langgraph_sdk import get_client
async def main() -> None:
client = get_client(url="http://127.0.0.1:8000", api_key="demo-key")
thread = await client.threads.create()
async for chunk in client.runs.stream(thread["thread_id"], "agent", input={"count": 2}):
print(chunk.event, chunk.data)
asyncio.run(main())按规模选形态，四种都出自同一个 CLI：
| 形态 | 命令 | 说明 |
|---|---|---|
| 单机全角色（默认） | uv run superlanggraph server |
server 内嵌 driver + worker + cron，开发与小规模首选 |
| 纯后台角色 | uv run superlanggraph driver（worker / cron 同理） |
与 server 分进程部署，按角色伸缩 |
| Docker 一键部署 | uv run superlanggraph up |
对齐官方 langgraph up 体验 |
| 多容器生产 | deploy/docker-compose.yml |
server 纯 HTTP 接入 + driver/worker 独立扩缩 |
多容器模式：在包含 langgraph.json 与图源码的项目目录下运行。compose 默认单容器
全角色，取消其中注释即可拆出独立 driver / worker（worker 支持 deploy.replicas）：
docker compose -f deploy/docker-compose.yml up -dcli（组合根，唯一绑定具体实现处）
└─▶ server / driver / worker / cron / registry 服务层
└─▶ broker / checkpoint / cache / store 基础设施层
└─▶ api HTTP 契约
└─▶ core 契约底座（封套/异常/协议/配置）
- driver 跑官方 Pregel 循环，节点经
RemoteNodeProxy远程执行——语义 100% 官方； - worker 无状态横向扩，执行真实节点并把 token/custom 事件实时写回事件流；
- checkpointer / store / cache 均为 Redis 实现（
BaseCheckpointSaver等官方接口）。
设置 OTEL_EXPORTER_OTLP_ENDPOINT 即启用 traces + metrics 导出（OTLP/HTTP）；
未设置时整库 no-op，零开销。每个角色进程是独立的 service.name
（superlanggraph-server / -driver / -worker），W3C TraceContext 经
Envelope 跨进程贯通——HTTP 入口到远程节点执行是一条完整 trace。
本地起 collector + Prometheus（P2 可观测）：
docker compose --profile observability up -d otel-collector
# Prometheus 抓取端点: http://127.0.0.1:8889/metrics环境变量前缀 SLG_，经 .env 读取（定义见 src/superlanggraph/core/settings.py）：
| 变量 | 默认值 | 说明 |
|---|---|---|
SLG_REDIS_URL |
redis://localhost:6379/0 |
Redis 连接地址 |
SLG_REDIS_MAX_CONNECTIONS |
2000 |
连接池上限 |
SLG_WORKER_CONCURRENCY |
32 |
worker 单进程节点执行并发 |
SLG_STREAM_PREFIX |
slg |
Redis Stream key 前缀 |
SLG_EVENT_MAXLEN |
10000 |
事件流最大长度 |
SLG_LEASE_SECONDS |
30 |
任务租约时长（故障接管节奏） |
SLG_AUTH_API_KEYS |
空 | 逗号分隔；为空则不启用鉴权 |
敏感信息只放 .env，不入库不入 git。
Agent 自己的 env（模型 API key 等）：langgraph.json 支持官方 env 字段——
"env": ".env"（相对配置文件目录解析）或内联字典，加载的值注入运行时进程
环境（覆盖已有变量），节点代码直接 os.environ 读取；Docker 部署时 compose
的 env_file: .env 已把变量注入容器。
uv run ruff format --check src tests
uv run ruff check src tests
uv run pyright # strict 全仓
uv run lint-imports # 分层依赖方向合同
uv run pytest # 单元 + 集成（需 docker compose up -d redis）+ e2e 验收| 路径 | 内容 |
|---|---|
examples/demo/ |
示例图（agent.py / hitl.py / slow.py）、SDK 全流程演示（client.py）、压测（benchmark.py）、故障恢复演示（recovery_demo.py） |
examples/react-agent/ |
原生 LLM 工具调用 react-agent：dependencies 自动装依赖、env 字段注入模型 key、messages 流式、跨轮记忆 |
deploy/docker-compose.yml |
部署编排（单容器 / 多容器两套模式） |