Руководство по интеграции Gate.AI LangChain и LangGraph

Gate.AI предоставляет совместимый с OpenAI API-эндпоинт, через который разработчики могут объединять LangChain и LangGraph для вызова моделей, маршрутизируемых через Gate.AI. Когда Python-приложение нуждается в цепочках подсказок на базе цепочек, графовых интеллектуальных агентов или желает создать единый шлюз моделей, не переписывая логику для каждого поставщика моделей, этот подход особенно важен. В статье описывается настройка локальной среды, тестовые вызовы LangChain, подсказочные цепочки и простой рабочий поток LangGraph. В материал не входит развертывание в продакшн, использование векторных баз данных, мониторинг, биллинг или корпоративные политики доступа.

Предварительные условия

• Создан API-ключ Gate.AI через аккаунт Gate.AI
• Python 3.10 или выше, с правами на установку зависимостей

Источник: официальная документация и материалы Gate.AI, дата актуальности — июнь 2026 года.

Что вы получите после выполнения этого руководства?

Вы сможете подключить Gate.AI к LangChain через ChatOpenAI и переиспользовать одинаковую конфигурацию модели в рабочем потоке LangGraph.

Этот подход поможет вам:

• вызывать Gate.AI из локального Python-скрипта
• тестировать конфигурацию model="auto" для маршрутизации Gate.AI
• при необходимости заменить auto на проверенный ID модели Gate.AI
• запускать подсказочные цепочки LangChain
• выполнять двухшаговые рабочие процессы LangGraph

Для более широкого понимания API-интеграции смотрите документацию Gate.AI по API для разработчиков.

Шаг 1: Установка зависимостей Python

На этом шаге устанавливаются необходимые для локальной работы интеграции пакеты: langchain, langchain-openai и langgraph.

• Создайте и активируйте виртуальную среду:

  bash python -m venv .venv source .venv/bin/activate

  pip install -U langchain langchain-openai langgraph

• Команда для активации в PowerShell Windows:

  powershell .venv\Scripts\Activate.ps1

После установки можно импортировать langchain_openai и langgraph без ошибок.

Шаг 2: Сохранение API-ключа Gate.AI

Этот шаг — хранение API-ключа вне исходного кода.

• В bash задайте переменную окружения:

  bash export GATEAI_API_KEY="ВАШ_API_КЛЮЧ"

• В PowerShell Windows:

  powershell setx GATEAI_API_KEY "ВАШ_API_КЛЮЧ"

После команды setx потребуется перезапустить PowerShell.

Не публикуйте реальный API-ключ в репозитории Git. Для командных проектов рекомендуется использовать менеджеры секретов, CI/CD переменные или внутренние процессы конфигурации переменных окружения.

Шаг 3: Настройка Gate.AI в LangChain

Создайте в LangChain чат-модель, которая будет отправлять запросы на совместимый с OpenAI API эндпоинт Gate.AI.

• Согласно документации Gate.AI за июнь 2026 года, базовый URL для совместимых с OpenAI запросов:

• В LangChain укажите этот адрес как base_url. Не добавляйте /chat/completions — LangChain сделает это автоматически.

• Пример:

  python import os from langchain_openai import ChatOpenAI

  llm = ChatOpenAI( model="auto", api_key=os.environ["GATEAI_API_KEY"], base_url="", temperature=0, )

  response = llm.invoke("Напишите одно предложение, объясняющее, что делает маршрутизатор AI-моделей.") print(response.content)

Ожидаемый вывод:

Модель маршрутизатора AI распределяет запросы по подходящей модели в зависимости от задачи, правил маршрутизации или настроек.

Реальный ответ может отличаться, так как Gate.AI динамически реагирует в зависимости от выбранной модели.

Шаг 4: Создание подсказочной цепочки в LangChain

Объедините переиспользуемую подсказку, поддерживаемую Gate.AI модель и парсер строкового вывода.

• Пример:

  python import os from langchain_openai import ChatOpenAI from langchain_core.prompts import ChatPromptTemplate from langchain_core.output_parsers import StrOutputParser

  llm = ChatOpenAI( model="auto", api_key=os.environ["GATEAI_API_KEY"], base_url="", temperature=0, )

  prompt = ChatPromptTemplate.from_messages( [ ("system", "Вы — краткий технический помощник."), ("human", "Объясните {topic} в трех пунктах."), ] )

  chain = prompt | llm | StrOutputParser()

  result = chain.invoke({"topic": "маршрутизация API Gate.AI"}) print(result)

Вы увидите краткое объяснение из трех пунктов. Если скрипт выдаст ошибку до получения текста, проверьте API-ключ, base_url и конфигурацию модели, а не структуру цепочки.

Шаг 5: Настройка Gate.AI в LangGraph

Создайте в LangGraph рабочий поток, использующий тот же конфиг модели Gate.AI.

Пример — два узла: один генерирует короткое описание, другой — проверяет его, чтобы сохранить простоту и быстро протестировать базовую функциональность перед добавлением инструментов, памяти, поиска или условных маршрутов.

• Пример:

  python import os from typing_extensions import TypedDict from langchain_openai import ChatOpenAI from langgraph.graph import StateGraph, START, END

  llm = ChatOpenAI( model="auto", api_key=os.environ["GATEAI_API_KEY"], base_url="", temperature=0, )

  class WorkflowState(TypedDict): topic: str draft: str review: str

  def draft_node(state: WorkflowState) -> dict: response = llm.invoke( [ ("system", "Вы пишете короткие технические объяснения."), ("human", f"Напишите двухпредложениеное объяснение по {state['topic']}."), ] ) return {"draft": response.content}

  def review_node(state: WorkflowState) -> dict: response = llm.invoke( [ ("system", "Вы проверяете техническое описание на ясность."), ("human", f"Проверьте этот черновик и предложите одно улучшение:\n\n{state['draft']}"), ] ) return {"review": response.content}

  builder = StateGraph(WorkflowState) builder.add_node("draft", draft_node) builder.add_node("review", review_node)

  builder.add_edge(START, "draft") builder.add_edge("draft", "review") builder.add_edge("review", END)

  app = builder.compile()

  result = app.invoke({"topic": "Gate.AI с LangGraph"})

  print("Черновик:\n", result["draft"]) print("\nОбзор:\n", result["review"])

Вы увидите сгенерированный черновик и комментарии по нему. Если рабочий поток возвращает только черновик, убедитесь, что ребро от draft к review настроено правильно.

Шаг 6: Замена автоматического маршрута на конкретную модель

Для более контролируемого поведения можно зафиксировать модель:

• Если включена автоматическая маршрутизация Gate.AI и аккаунт поддерживает, используйте model="auto" для тестирования

• Для воспроизводимости результатов, оценки, тестирования задержки или продакшн-ревью укажите конкретный ID модели Gate.AI

• Пример:

  python llm = ChatOpenAI( model="ВАШ_ID_МОДЕЛИ", api_key=os.environ["GATEAI_API_KEY"], base_url="", temperature=0, )

ID модели берите из каталога моделей Gate.AI или консоли Gate.AI. Не угадывайте ID — его наличие зависит от вашего аккаунта, статуса продукта и правил модели (по состоянию на июнь 2026 года).

Какие параметры наиболее важны?

| Параметр | Пример значения | Сценарий использования | Важность | | ----------------- | ---------------------------------------------------------- | ------------------------------ | ----------------------------------------------------- | | Переменная API-ключа | GATEAI_API_KEY | Shell и Python | Обеспечивает безопасность секретов | | Base URL | | ChatOpenAI(base_url=...) | Маршрутизирует запросы к Gate.AI | | Модель | auto или YOUR_MODEL_ID | ChatOpenAI(model=...) | Выбор автоматической маршрутизации или конкретной модели | | Температура | 0 | ChatOpenAI(temperature=0) | В тестовой среде уменьшает вариативность вывода |

Для согласованной маршрутизации рекомендуется использовать один и тот же объект llm в LangChain и LangGraph. Меняйте параметр model только при переходе от тестирования маршрутизации к фиксированной модели.

Распространенные ошибки при интеграции Gate.AI, LangChain и LangGraph

Проблема: ответ с ошибкой 401, invalid_api_key или аутентификацией

• Причина: отсутствует или просрочен API-ключ, ошибка в написании или shell не читает переменную
• Решение: выполните echo $GATEAI_API_KEY в том же терминале, убедитесь, что ключ валиден и настроен в Gate.AI, перезапустите терминал при необходимости

Проблема: ответ 404, сбой соединения или отсутствует эндпоинт

• Причина: неправильная настройка base_url. Правильный URL — это тот, что совместим с OpenAI, например:
• Решение: убедитесь, что у каждого экземпляра ChatOpenAI base_url установлен в правильное значение

Проблема: Python сообщает ModuleNotFoundError

• Причина: виртуальная среда не установила langchain-openai или langgraph
• Решение: активируйте виртуальную среду и выполните pip install -U langchain langchain-openai langgraph

Проблема: аутентификация прошла успешно, но запрос модели не работает

• Причина: выбранная модель недоступна, неправильно указана или не поддерживается
• Решение: сначала протестируйте с model="auto". Для фиксированной модели скопируйте ID из Gate.AI

Проблема: рабочий поток LangGraph возвращает неполный статус

• Причина: узел не возвращает ожидаемый ключ состояния или граф неправильно сконфигурирован
• Решение: убедитесь, что каждый узел возвращает словарь с правильными ключами, и граф содержит START, все узлы и END

Что можно дополнительно настроить или построить?

• расширение интеграции через API Gate.AI для более широкого использования
• интеграция Gate.AI в редактор AI-программирования (см. руководство по интеграции Gate.AI Cursor)
• поддержка Claude Code и совместимых с Anthropic конфигураций (см. руководство по интеграции Gate.AI Claude Code)