Автор завершает цикл статей о развертывании локальной LLM на облачном сервере с GPU на 16 ГБ VRAM. После настройки бэкенда на LangGraph с MCP-серверами и REST API остаётся задача предоставить пользовательский интерфейс. Для решения используется agent-chat-ui — готовый проект от LangChain на Next.js, который из коробки подключается к LangGraph Server и стримит токены, вызовы инструментов и размышления модели в реальном времени.
agent-chat-ui представляет собой интерфейс в стиле ChatGPT, но работающий на собственной инфраструктуре. Настройка минимальна: достаточно клонировать репозиторий, указать в.env адрес LangGraph Server и имя агента, затем запустить. Интерфейс поддерживает историю тредов и визуализацию шагов агента. При этом автор подчёркивает, что готовый фронтенд можно использовать как напрямую, так и в гибридном режиме API Passthrough, когда все запросы к LangGraph Server идут через серверные API routes, а LangSmith-ключ остаётся на сервере и не попадает на клиент. Это решает проблему безопасности, так как при прямом подключении API не должен быть доступен из сети.
| Значение | Что происходит со Studio |
|---|---|
| false | Studio работает — для него включен доверенный проход в обход вашей проверки |
| true | Studio-байпас выключен → запросы Studio идут через ваш Bearer → без токена ловит 401 |
В статье последовательно разбираются четыре шага. Первый — запуск LangGraph CLI с тремя агентами на основе проекта автора. Второй — запуск agent-chat-ui «из коробки» для демонстрации возможностей без кастомизации. Третий — настройка авторизации: реализация API Passthrough и добавление кастомной аутентификации через Bearer-токен. Четвёртый — кастомизация: перевод интерфейса на русский язык, добавление переключателя между несколькими агентами, настройка темы (светлая/тёмная) и мобильная адаптация. Кроме того, автор рассматривает деплой готового решения через Docker и Nginx с HTTPS.
Подключение сводится к клонированию репозитория и указанию адреса LangGraph Server в.env.
Для разработчиков, создающих агентные системы на LangGraph, agent-chat-ui закрывает разрыв между бэкендом и конечным пользователем. Однако решение ориентировано на демонстрацию и запуск в контролируемой среде; для production могут потребоваться дополнительные механизмы аутентификации и масштабирования. В статье приведены готовые приёмы, позволяющие быстро перейти от прототипа к рабочему интерфейсу.
