Gate.AI LangChain та LangGraph: Посібник з інтеграції

Gate.AI надає сумісний з OpenAI API-ендпойнт, який розробники можуть використовувати для поєднання з LangChain та LangGraph, реалізуючи маршрутизацію викликів моделей через Gate.AI. Коли Python-застосунок потребує ланцюгових підказок, графових агентів або бажає створити єдиний шлюз моделей без переписування логіки для кожного постачальника моделей, цей підхід особливо важливий. У статті описано налаштування локального середовища, тестовий виклик через LangChain, підказкові ланцюги та простий робочий процес у LangGraph. Вміст не охоплює розгортання у виробництві, векторних баз даних, моніторингу, тарифікації або корпоративних стратегій доступу.

Попередні умови

• Створено API-ключ Gate.AI через обліковий запис Gate.AI
• Python 3.10 або новішої версії з правами на встановлення пакетів

Джерело: офіційна документація та матеріали Gate.AI, станом на червень 2026 року.

Що ви отримаєте після виконання цього посібника?

Ви зможете підключити Gate.AI до LangChain через ChatOpenAI та повторно використовувати однакову конфігурацію моделі у робочих процесах LangGraph.

Цей підхід допоможе вам:

• викликати Gate.AI з локального Python-скрипту
• тестувати маршрутизацію Gate.AI з параметром model="auto"
• за потреби замінювати auto на підтверджений ID моделі Gate.AI
• запускати підказковий ланцюг у LangChain
• виконувати двоступеневий робочий процес у LangGraph

Для більш широкого розуміння API-інтеграції дивіться документацію Gate.AI для розробників.

Крок 1: Встановлення залежностей Python

Цей крок встановить необхідні для локального робочого процесу пакети: інтеграцію LangChain з OpenAI та LangGraph.

• Створіть та активуйте віртуальне середовище:

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

  pip install -U langchain langchain-openai langgraph

• Команда для активації у PowerShell Windows:

  powershell .venv\Scripts\Activate.ps1

Після встановлення має бути можливість імпортувати langchain_openai та langgraph без помилок.

Крок 2: Збереження API-ключа Gate.AI

Цей крок зберігає API-ключ поза кодом.

• Встановіть змінну середовища у bash:

  bash export GATEAI_API_KEY="YOUR_API_KEY"

• У PowerShell Windows:

  powershell setx GATEAI_API_KEY "YOUR_API_KEY"

Після використання setx потрібно перезапустити PowerShell.

Не додавайте реальний API-ключ у Git. Для командних проектів рекомендується використовувати менеджери секретів, CI/CD або внутрішні змінні середовища.

Крок 3: Конфігурація Gate.AI у LangChain

Цей крок створить у LangChain чат-модель, яка надсилатиме запити до Gate.AI, сумісні з OpenAI.

• Відповідно до документації Gate.AI станом на червень 2026 року, базовий URL для сумісних з OpenAI запитів:

• У LangChain вкажіть цей URL як base_url. Не додавайте /chat/completions — LangChain зробить це автоматично.

• Приклад:

  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("Напишіть одне речення, що робить маршрутизатор моделей AI.") print(response.content)

Очікуваний вивід:

Маршрутизатор моделей AI розподіляє запити на відповідні моделі залежно від задачі, правил маршрутизації або налаштувань.

Реальний відповідь може відрізнятися, оскільки Gate.AI маршрутизує запити динамічно залежно від обраної моделі.

Крок 4: Створення підказкового ланцюга у LangChain

Цей крок з’єднає повторювані підказки, підтримку моделей Gate.AI та парсери рядкових виходів.

• Приклад:

  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", "Ви — короткий технічний асистент."), ("human", "Поясніть {topic} у трьох пунктах."), ] )

  chain = prompt | llm | StrOutputParser()

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

Ви побачите коротке пояснення з трьох пунктів. Якщо скрипт видає помилку перед виводом тексту, перевірте API-ключ, базовий URL та конфігурацію моделі, не змінюючи структуру ланцюга.

Крок 5: Конфігурація Gate.AI у LangGraph

Цей крок дозволить повторно використовувати ту ж конфігурацію моделі Gate.AI у робочому процесі LangGraph.

Приклад — один вузол генерує короткий опис, інший — перевіряє його, зберігаючи простоту для тестування базової функціональності перед додаванням інструментів, пам’яті, пошуку або умовної маршрутизації.

• Приклад:

  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", "Ви пишете короткі технічні пояснення."), ("human", f"Напишіть двослівне пояснення {state['topic']}."), ] ) return {"draft": response.content}

  def review_node(state: WorkflowState) -> dict: response = llm.invoke( [ ("system", "Ви переглядаєте технічний текст на зрозумілість."), ("human", f"Перевірте цей чернетку та запропонуйте одне покращення:\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 з LangGraph"})

  print("Чернетка:\n", result["draft"]) print("\nПеревірка:\n", result["review"])

Ви побачите згенеровану чернетку та рекомендації щодо її покращення. Якщо робочий процес повертає лише чернетку, переконайтеся, що ребра між "draft" та "review" налаштовані правильно.

Крок 6: Замінити автоматичну маршрутизацію на конкретну модель

Для більш контролю над поведінкою можна зафіксувати модель так:

• Якщо активовано автоматичну маршрутизацію Gate.AI і обліковий запис підтримує, тестуйте з model="auto"

• Для повторюваних результатів, оцінки, затримок або розгортання використовуйте конкретний ID моделі Gate.AI

• Приклад:

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

ID моделі береться з каталогу моделей Gate.AI або з консолі Gate.AI. Не здогадуйтеся самостійно — доступність залежить від облікового запису, статусу продукту та правил постачальника моделей (станом на червень 2026 року).

Які налаштування є найважливішими?

| Параметр | Приклад значення | Випадок використання | Важливість | | ----------------- | -------------------------------------------------------- | ------------------------------ | -------------------------------------------------------- | | API-ключ змінна | GATEAI_API_KEY | Shell та Python | Забезпечує безпечне зберігання секретів | | Base URL | | ChatOpenAI(base_url=...) | Маршрутизує запити до Gate.AI через сумісний з OpenAI URL | | Модель | auto або YOUR_MODEL_ID | ChatOpenAI(model=...) | Вибір автоматичного маршруту або конкретної моделі | | Температура | 0 | ChatOpenAI(temperature=0) | В тестовому режимі зменшує варіативність виходу |

Щоб зберегти однакову маршрутизацію, рекомендується використовувати один об’єкт llm у LangChain і LangGraph. Змінюйте параметр model лише при переході від тестування маршрутизації до фіксованої моделі.

Часті проблеми при інтеграції Gate.AI з LangChain і LangGraph

Проблема: відповіді з кодом 401, invalid_api_key або помилки автентифікації

• Причина: відсутній або неправильний API-ключ, він прострочений або shell не може його зчитати
• Рішення: у тому ж терміналі виконайте echo $GATEAI_API_KEY, переконайтеся, що ключ активний і налаштований у Gate.AI. Якщо змінювали змінну у іншій сесії — перезапустіть термінал.

Проблема: відповіді з 404, помилка з’єднання або відсутність ендпойнту

• Причина: неправильна конфігурація base_url. Правильний OpenAI-совісний URL —
• Рішення: переконайтеся, що кожен екземпляр ChatOpenAI має правильний base_url.

Проблема: Python видає ModuleNotFoundError

• Причина: у віртуальному середовищі не встановлено langchain-openai або langgraph
• Рішення: активуйте середовище і виконайте pip install -U langchain langchain-openai langgraph

Проблема: автентифікація пройдена, але запит моделі не виконується

• Причина: обрана модель недоступна, неправильно вказана або не підтримується
• Рішення: спробуйте з model="auto". Для фіксованої моделі — скопіюйте ID з Gate.AI.

Проблема: робочий процес у LangGraph повертає неповний стан

• Причина: один із вузлів не повернув очікуваний ключ стану або відсутні ребра у графі
• Рішення: переконайтеся, що кожен вузол повертає словник із правильними ключами, а граф містить START, відповідні ребра та END.

Що далі можна налаштувати або побудувати?

• Інтеграція через API Gate.AI для розширення локальних робочих процесів у широку екосистему Gate.AI
• Інтеграція у AI-редакторі з Gate.AI (див. посібник Gate.AI Cursor)
• Інтеграція з Claude Code або сумісними з Anthropic конфігураціями (див. посібник Gate.AI Claude Code)