Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar

LangChain

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

LangChain é um framework para criar aplicações com modelos de linguagem, que permite implementar em código os elementos de um agente: objetivo, contexto, memória e tools.

A imagem mais útil é a de um cinto de ferramentas: um kit de blocos (chamadas de modelo, prompts, ferramentas, memória, cadeias de ações) que o desenvolvedor combina como quiser. O framework simplifica a integração do código com os modelos; para construir um chatbot, por exemplo, não é preciso fazer a chamada direta ao modelo, porque estruturas de chat já vêm prontas. Também oferece apoio a outras etapas de um projeto com IA, como guardrails e RAG.

Essa é a ponte entre a teoria clássica e a prática. Os quatro fatores que o referencial acadêmico associa à racionalidade do agente se traduzem nos quatro elementos que o LangChain deixa programar. Para quem está começando com IA, é apontado como uma boa porta de entrada, com Python como linguagem prioritária, já que as novidades da área costumam chegar primeiro nela.

Agent e workflow: dois estilos de orquestração

O próprio LangChain distingue duas formas de organizar uma solução:

  • Agent: o modelo de linguagem decide e aciona tudo sozinho, escolhendo quais ferramentas usar a cada passo.
  • Workflow: não há necessariamente um agente no comando; há nós pré-configurados que formam cadeias de ações definidas de antemão.

O estilo workflow tende a reduzir alucinações e a deixar a solução mais granular e mais fácil de manter, porque o comportamento fica previsível. O ganho real depende de como o problema foi decomposto: um workflow mal desenhado não fica confiável só por ser pré-configurado.

Dos agentes isolados aos padrões multiagente

Combinar os dois estilos leva aos padrões multiagente. Sai-se do single agent (um modelo com um conjunto de tools) para fluxos em que cada agente vira um nó de uma estrutura maior, frequentemente hierárquica. Cada nó tem suas próprias ferramentas, que podem se repetir entre nós; quanto mais a estrutura cresce, mais difícil fica lidar com os dados que circulam entre os agentes. Os dois padrões mais replicados são o supervisor, em que um agente coordena os demais, e o customizado, em que o fluxo é gerenciado conforme a necessidade de cada solução.

A relação com o LangGraph

O LangGraph é um braço do LangChain e herda parte das suas abstrações, como as chamadas ao modelo e a criação automática das tabelas de banco usadas nos checkpoints. A diferença é de estrutura. O LangChain monta cadeias com um kit livre de peças; o LangGraph organiza a aplicação como um grafo com estado, dando uma forma mais controlada de orquestrar a interação entre agentes e lidando melhor com fluxos complexos. A visualização em grafo, porém, não elimina o código: os dois exigem programar.

Controle versus barreira de entrada

Com LangChain e LangGraph há controle total sobre o que o agente faz, ao custo de depender de código. Uma ferramenta no-code como o N8N limita o construtor aos blocos disponíveis, embora permita injetar código quando necessário, mas reduz muito a barreira para experimentar com agentes.