GitHub 项目：gemini-fullstack-langgraph-quickstart
仓库地址：https://github.com/google-gemini/gemini-fullstack-langgraph-quickstart
星级：18171 | 作者：谷歌双子座
项目描述：开始使用 Gemini 2.5 和 LangGraph 构建 Fullstack Agent
===================================================
自述文件内容：
# Gemini Fullstack LangGraph 快速入门
该项目演示了使用 React 前端和 LangGraph 支持的后端代理的全栈应用程序。该代理旨在通过动态生成搜索词、使用 Google 搜索查询网络、反映结果以识别知识差距以及迭代地改进其搜索，直到能够提供有引用的良好支持的答案，对用户的查询进行全面的研究。该应用程序是使用 LangGraph 和 Google 的 Gemini 模型构建研究增强型会话 AI 的示例。
## 特点
- ? 具有 React 前端和 LangGraph 后端的全栈应用程序。
- ? 由 LangGraph 代理提供支持，用于高级研究和对话式 AI。
- ? 使用 Google Gemini 模型生成动态搜索查询。
- ? 通过 Google 搜索 API 集成网络研究。
- ? 反思推理来识别知识差距并完善搜索。
- ? 生成带有来自收集来源的引用的答案。
- ? 开发过程中前端和后端的热重载。
## 项目结构
项目主要分为两个目录：
- `frontend/`：包含使用 Vite 构建的 React 应用程序。
- `backend/`：包含 LangGraph/FastAPI 应用程序，包括研究代理逻辑。
## 入门：开发和本地测试
请按照以下步骤在本地运行应用程序以进行开发和测试。
**1.先决条件：**
- Node.js和npm（或yarn/pnpm）
- Python 3.11+
- **`GEMINI_API_KEY`**：后端代理需要 Google Gemini API 密钥。
1. 导航到“backend/”目录。
2. 通过复制“backend/.env.example”文件来创建名为“.env”的文件。
3. 打开 `.env` 文件并添加您的 Gemini API 密钥：`GEMINI_API_KEY="YOUR_ACTUAL_API_KEY"`
**2.安装依赖项：**
**后端：**
````bash
光盘后端
点安装。
````
**前端：**
````bash
CD前端
npm 安装
````
**3.运行开发服务器：**
**后端和前端：**
````bash
进行开发
````
这将运行后端和前端开发服务器。 打开浏览器并导航到前端开发服务器 URL（例如“http://localhost:5173/app”）。
_或者，您可以单独运行后端和前端开发服务器。对于后端，在“backend/”目录中打开一个终端并运行“langgraph dev”。后端 API 将在“http://127.0.0.1:2024”处提供。它还将打开一个指向 LangGraph UI 的浏览器窗口。对于前端，在“frontend/”目录中打开一个终端并运行“npm run dev”。前端将在“http://localhost:5173”可用。_
## 后端代理如何工作（高级）
后端的核心是在`backend/src/agent/graph.py`中定义的LangGraph代理。它遵循以下步骤：
1. **生成初始查询：