跳到主要内容
RunPod 提供 GPU 云基础设施，包括针对部署和扩展 AI 模型进行优化的无服务器端点。 本指南介绍了如何使用 langchain-runpod 集成包将 LangChain 应用程序连接到 RunPod Serverless 上托管的模型。 该集成提供了标准语言模型 (LLM) 和聊天模型的接口。

​
安装

安装专用合作伙伴包 
pip install -qU langchain-runpod

​
设置

​
1. 在 RunPod 上部署端点

  • 导航到您的 RunPod 无服务器控制台。
  • 创建“新端点”，选择与您的模型和预期输入/输出格式兼容的适当 GPU 和模板（例如，vLLM、TGI、text-generation-webui）（请参阅组件指南或包的 README）。
  • 配置设置并部署。
  • 关键是，在部署后复制端点 ID。

​
2. 设置 API 凭证

该集成需要您的 RunPod API 密钥和端点 ID。将它们设置为环境变量以进行安全访问 
import getpass
import os

os.environ["RUNPOD_API_KEY"] = getpass.getpass("Enter your RunPod API Key: ")
os.environ["RUNPOD_ENDPOINT_ID"] = input("Enter your RunPod Endpoint ID: ")
（可选）如果对 LLM 和聊天模型使用不同的端点，您可能需要设置 RUNPOD_CHAT_ENDPOINT_ID 或在初始化期间直接传递 ID。

​
组件

此包提供两个主要组件

​
1. LLM

用于与标准文本补全模型交互。 有关详细用法，请参阅 RunPod LLM 集成指南
from langchain_runpod import RunPod

# Example initialization (uses environment variables)
llm = RunPod(model_kwargs={"max_new_tokens": 100})  # Add generation params here

# Example Invocation
try:
    response = llm.invoke("Write a short poem about the cloud.")
    print(response)
except Exception as e:
    print(
        f"Error invoking LLM: {e}. Ensure endpoint ID and API key are correct and endpoint is active."
    )

​
2. 聊天模型

用于与对话模型交互。 有关详细用法和功能支持，请参阅 RunPod 聊天模型集成指南。
from langchain.messages import HumanMessage
from langchain_runpod import ChatRunPod

# Example initialization (uses environment variables)
chat = ChatRunPod(model_kwargs={"temperature": 0.8})  # Add generation params here

# Example Invocation
try:
    response = chat.invoke(
        [HumanMessage(content="Explain RunPod Serverless in one sentence.")]
    )
    print(response.content)
except Exception as e:
    print(
        f"Error invoking Chat Model: {e}. Ensure endpoint ID and API key are correct and endpoint is active."
    )
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.