Требования и рекомендации

Обновлено 9 июня 2026

В этом разделе приводятся требования и рекомендации, которые следует соблюдать при разработке агента для публикации в GigaLab.

Требования

Для публикации в GigaLab агент должен соответствовать требованиям.

• Python версии 3.12.3 и выше.

• Агент разработан с помощью фреймворка LangGraph (Python-модуль langgraph).

• Основные параметры работы агента должны определяться в переменных окружения в файле .env.

  Пример заполнения переменных окружения в файле .env.example . Файл .env вашего агента должен содержать все переменные из примера.

• Зависимости, необходимые для работы агента, должны быть заданы в файле requirements.txt внутри репозитория агента.

  Пример перечня зависимостей в requirements.txt .

• Агент без ошибок запускается локально с помощью команды langgraph dev.

  Для этого в репозитории агента должен быть файл langgraph.json, в котором описаны параметры запуска. Изучите в репозитории пример файла .

• При выполнении http-запросов к сторонним сервисам используйте модули requests или httpx и передавайте заголовок User-Agent: agent-toolkit. Без заголовка User-Agent прокси не пропустит http-запрос. Вы можете использовать другое значение заголовка, согласованное с безопасностью. Это нужно для корректной работы метрик http-вызовов.

  В конфигурации агента используется прокси http://proxy.sberdevices.ru, который поддерживает переменные no_proxy, http_proxy, https_proxy. Сертификат SberDevices передается с помощью переменной REQUESTS_CA_BUNDLE.

• Node.js версии 20 и выше.
• Фреймворк LangGraph JS (npm-модуль @langchain/langgraph).
• Файл .env с переменными окружения, в которых заданы основные параметры работы агента.
• Основные параметры работы агента определяются в переменных окружения.
• Файл package.json с зависимостями агента.
• Файл langgraph.json с описанием графа.
• Локальный запуск агента с помощью команды langgraph dev.

Рекомендации по написанию кода

При разработке агента следуйте рекомендациям:

• для обмена сообщениям с моделью используйте библиотеку langchain-gigachat;
• используйте SDK agent-lab-sdk . Он поможет упростить разработку, например, работу с метриками, и авторизацию в регионах Enablers и Advanced;
• для сохранения состояния работы агента используйте MemorySaver(). Класс MemorySaver используется по умолчанию в методе graph.compile() и переопределен в нашей обертке;
• для передачи дополнительных данных (виджеты и прочая информация необходимая для отображения в интерфейсе) вместе с сообщением из агента на фронтенд в стриме используется поле additional_kwargs класса BaseMessage;
• агент не должен переопределять логирование и должен использовать стандартный модуль import logging;
• агент не должен интегрировать в себя зависимости метрик Prometheus или Azire-Phoenix;
• для корректного отображения параметров запуска агента на фронте State и RunnableConfig схемы должны быть описаны с использованием модуля Pydantic и должны наследоваться от BaseModel;
• при написании кода следуйте руководству PEP8 ;
• следите, чтобы код агента был понятным, содержал подробные комментарии и обеспечивал удобство сопровождения;
• изолируйте код агента в своем репозитории в группе agents .

• Используйте @sberdevices/agent-lab-sdk-ts для управления токенами — не реализуйте авторизацию вручную.
• Для обмена сообщениями с моделью используйте langchain-gigachat.
• Для передачи данных на фронтенд используйте поле additional_kwargs класса BaseMessage.
• Изолируйте код агента в отдельном репозитории в группе agents .