Workshop Construindo Agentes de IA LangGraph Parte 2 Estado e Aresta Condicional (2026-04-16)
Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.
O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.
Notas citadas nas anotações desta sessão.
A sessão foi dedicada à implementação prática de agentes com LangGraph, dando continuidade aos conceitos de grafos, nós, arestas e estados apresentados anteriormente. Foi criado um projeto Python com UV, instaladas as dependências do LangGraph, LangChain, integração com OpenAI e carregamento de variáveis de ambiente. Em seguida, foi definido um estado tipado para armazenar a consulta do usuário, o histórico de mensagens e as respostas dos agentes. Também foram implementados agentes de identificação de intenção e de saudação, utilizando prompts específicos, mensagens de sistema e de usuário, além de um modelo de linguagem mais leve para reduzir custo e latência.
Na sequência, o grafo foi montado com nós, arestas, estado inicial e estado final, e executado por meio de um fluxo que mostrou as respostas produzidas em cada etapa. Inicialmente, o fluxo era linear, encaminhando todas as mensagens do identificador para o agente de saudação. Após uma dúvida dos participantes, foi demonstrada a aresta condicional: uma função lê a intenção retornada pelo identificador e direciona o fluxo para o agente de saudação ou para um agente de consulta, conforme o caso. A sessão terminou com o grafo funcionando para saudações e dúvidas, enquanto a criação dos demais agentes, a persistência dos estados por checkpoints e a integração com RAG ficaram para o próximo encontro, previsto para a semana seguinte. O código passo a passo e os vídeos seriam disponibilizados no repositório e nos materiais do workshop.