OpenWebUI配置Pipelines连接自定义Langgraph模型

一、OpenWebUI

1. 安装OpenWebUI

下面内容都是通过PiP部署的，非docker。

# 官方要求python3.11
pip3 install open-webui

2. 开启OpenWebUI服务

open-webui serve

开启后，在127.0.0.1:8080访问openwebui网页。

因为我的云服务只有2G，跑不了这么多服务，我把OpenWebUI部署在本地，通过Frp内网穿透实现外部访问。

二、Pipelines

官方文档：管道 | 开放式 WebUI --- ⚡ Pipelines | Open WebUI

1. 克隆 Pipelines 存储库：

git clone https://github.com/open-webui/pipelines.git
cd pipelines

2. 安装所需的依赖项：

pip install -r requirements.txt

3. 启动 Pipelines 服务器

sh ./start.sh
# 出现Linux 运行 sh 脚本有 \r 字符的问题
# 解决方法：sudo sed -i 's/\r//' test.shsudo sed -i 's/\r//' test.sh

4. 连接Pipelines 服务器

OpenWebUI 设置-外部连接，添加 URL 设置为 http://localhost:9099，将 API 密钥（默认）设置为 0p3n-w3bu!

点击验证，弹出已验证服务器连接的提示，表面Pipelines启动成功。

三、Langgraph

上述步骤，连通OpenWebUI和Pipelines，现在需要在Pipelines中配置Langgraph。

langgraph pipeline案例路径在：pipelines/examples/pipelines/integrations/langgraph_pipeline

里面有两个文件：

langgraph_example.py ：langgraph的程序
langgraph_stream_pipeline.py：提供与langgraph程序连接的数据管道，里面定义了langgraph的Pipeline类，这个文件不用改，使用的时候需要copy到pipelines/pipelines/目录下，重启pipelines服务即可加载langgraph_example模型。

1. langgraph_example.py

找到其中llm配置，改成自己的API。

llm = ChatOpenAI(
    model="deepseek-r1-250120",
    temperature=0.1,
    base_url='https://ark.cn-beijing.volces.com/api/v3',
    api_key='***********************************'
)

启动langgraph程序，steam里面默认是9000。

uvicorn langgraph_example:app --reload --port 9000 --host 127.0.0.1

启动成功。

2. langgraph_stream_pipeline.py

把pipelines/examples/pipelines/integrations/langgraph_pipeline/langgraph_stream_pipeline.py复制到pipelines/pipelines/下。

重启Pipelines，自动加载Pipelines/Pipelines/下的所有module，加载成功。

并产生一个新的文件夹langgraph_stream_pipeline

四、Frp

Releases · fatedier/frp

根据系统内核选择相应的frp

# linux查看内核 x86_64, AMD64, i386->AMD | aarch64, arm64, ARM->ARM
uname -m
# windows查看内核，cmd
echo %PROCESSOR_ARCHITECTURE%

1. 服务端

frps配置，还可以配置http服务等等

启动frps

./frps -c frps.toml

2. 客户端

启动frpc

frpc -c frpc.toml

在服务器端反向代理6000端口，就可以实现外部访问了。

五、效果

可以自定义langgraph实现更强的功能。

如果您觉得内容有用，扫码👉支持一下。

haoblog