langgraph-typescript-quickstart

Buat kerangka agen LangGraph lokal minimal dalam TypeScript dengan mengikuti quickstart resmi. Gunakan saat pengguna ingin cepat membangun atau mencoba agen LangGraph…

npx skills add https://github.com/langchain-ai/langchain-skills --skill langgraph-typescript-quickstart

LangGraph TypeScript quickstart

Follow the live docs — do not invent an alternate API from memory:

https://docs.langchain.com/oss/javascript/langgraph/quickstart

Fetch that page (Docs MCP or HTTP) and implement what it shows (calculator / math agent with the Graph API). Prefer the Graph API path over the Functional API unless the user asks otherwise. Skip graph visualization.

Local setup constraints

Apply these on top of the quickstart (they keep setup minimal and model-agnostic):

  1. Ask which provider/model to use. Showcase that LangGraph works with any LangChain chat model. Suggested prompt:

    Which model should this agent use? Pass a provider:model string — e.g. openai:gpt-5.5, anthropic:claude-sonnet-5, google-genai:gemini-2.5-flash-lite. Default if you're unsure: anthropic:claude-sonnet-5.

    The docs often hardcode Anthropic — replace with initChatModel("<MODEL>") (or equivalent) using their choice. If using Claude Sonnet 5+, omit temperature / top_p / top_k (unsupported).

  2. Create a new directory (e.g. langgraph-agent/) and do all work there — do not pollute the open project.

  3. Only secret: the provider API key in .env (gitignored). No LangSmith / Tavily unless they ask. Prefer they edit .env themselves — don't paste keys into chat.

  4. Install packages from the quickstart plus the provider package for their model.

  5. Run the example (e.g. “Add 3 and 4.”), show output, then stop. Point to langgraph-fundamentals for next steps. For a higher-level agent API, use LangChain createAgent instead.

Lebih banyak skill dari langchain-ai

deepagents-thread-inspector
langchain-ai
Periksa dan jelaskan percakapan di penyimpanan sesi SQLite Deep Agents Code lokal. Gunakan sebagai cadangan saat alat pelacakan LangSmith tidak tersedia, untuk…
deepagents-python-quickstart
langchain-ai
Buat kerangka minimal Deep Agent lokal dalam Python dengan mengikuti panduan memulai resmi, menggunakan pencarian web bawaan penyedia alih-alih Tavily. Gunakan saat pengguna ingin…
deepagents-typescript-quickstart
langchain-ai
Buat kerangka Deep Agent lokal minimal dalam TypeScript dengan mengikuti quickstart resmi, menggunakan pencarian web native penyedia alih-alih Tavily. Gunakan saat pengguna…
eval-engineering
langchain-ai
Periksa repositori agen dan trace opsional dari pengguna secara iteratif, wawancarai pengguna, lalu buat, jalankan, dan audit eval Harbor satu per satu. Gunakan untuk…
LangChain RAG Pipeline
langchain-ai
GUNAKAN KETERAMPILAN INI saat membangun sistem retrieval-augmented generation (RAG) apa pun. Mencakup pemuat dokumen, RecursiveCharacterTextSplitter, embeddings (OpenAI),…
LangChain Structured Output & HITL
langchain-ai
langchain-structured-output-&-hitl — sebuah skill yang dapat diinstal untuk agen AI, diterbitkan oleh langchain-ai/langchain-skills.
LangSmith Datasets
langchain-ai
PANGGIL KETERAMPILAN INI saat membuat dataset evaluasi dari jejak ATAU mengunggah dataset ke LangSmith ATAU menanyakan dataset. Mencakup tipe dataset (final_response,…
langsmith-evaluator
langchain-ai
GUNAKAN KETERAMPILAN INI saat membangun pipeline evaluasi untuk LangSmith. Mencakup tiga komponen inti: (1) Membuat Evaluator - LLM-as-Judge, kode kustom; (2)…