Agentes de IA são programas que usam LLMs para decidir quais ações tomar, executá-las via ferramentas, e iterar até resolver a tarefa. Diferente de um chatbot simples que só responde texto, um agente pode pesquisar na web, consultar APIs, executar código, enviar emails e tomar decisões baseadas nos resultados. LangChain é o framework mais usado para construí-los.
Anatomia de um agente
Um agente LangChain tem três componentes: o LLM como cérebro que raciocina e decide, as Tools como mãos que executam ações no mundo real, e a Memory como memória de curto e longo prazo. Em cada iteração, o LLM recebe o objetivo, o histórico de ações e resultados, e decide: qual ferramenta usar com quais parâmetros, ou se já tem informação suficiente para dar a resposta final.
O padrão ReAct (Reasoning + Acting) que fundamenta os agentes funciona assim: o LLM pensa sobre o que precisa fazer (Thought), escolhe uma ação e parâmetros (Action), o sistema executa a ação e retorna o resultado (Observation), e o ciclo repete até o LLM decidir que tem a resposta. Esse loop de pensar-agir-observar é surprenhendetmente eficaz para tarefas que requerem múltiplos passos e fontes de informação.
Criando ferramentas customizadas
Ferramentas são funções Python decoradas com @tool que recebem inputs e retornam resultados como string. Uma ferramenta de busca no banco de dados recebe uma query em linguagem natural, converte para SQL, executa, e retorna os resultados formatados. Uma ferramenta de calculadora avalia expressões matemáticas. Uma ferramenta de busca web usa APIs como Tavily ou SerpAPI para pesquisar informações atualizadas.
A descrição da ferramenta é crucial — é o que o LLM usa para decidir quando usá-la. Uma descrição como “Busca informações sobre clientes no banco de dados. Use quando o usuário perguntar sobre dados de clientes, pedidos, ou histórico de compras” ajuda o LLM a escolher a ferramenta certa no momento certo. Descrições vagas geram chamadas de ferramentas erradas.
Chains: pipelines determinísticos
Nem tudo precisa ser um agente autônomo. Chains são pipelines sequenciais onde cada passo é predefinido: extrair dados de um documento, classificar o tipo de documento, e rotear para o processamento específico. LCEL (LangChain Expression Language) permite compor chains com sintaxe de pipe: prompt | llm | parser. Chains são mais previsíveis que agentes, mais fáceis de debugar, e preferíveis quando o fluxo é conhecido e linear.
Use agentes quando o fluxo é dinâmico e depende das respostas intermediárias. Use chains quando o fluxo é fixo e determinístico. Muitas aplicações reais são na verdade chains com um agente em um passo específico — combine os dois patterns conforme a necessidade.
Memória e contexto
ConversationBufferMemory mantém todo o histórico de conversa — simples mas custa tokens crescentes. ConversationSummaryMemory resume o histórico antigo para reduzir tokens. ConversationBufferWindowMemory mantém apenas as últimas K mensagens. Para memória de longo prazo entre sessões, armazene em banco de dados e recupere por relevância usando embeddings — o agente lembra de interações passadas relevantes à conversa atual.
Alternativas ao LangChain
LangChain é poderoso mas tem críticas legítimas: abstrações complexas demais para cases simples, mudanças frequentes de API, e overhead para quem já sabe Python. Alternativas incluem: LlamaIndex focado em RAG com indexação avançada e query engines, CrewAI para sistemas multi-agentes onde agentes com papéis diferentes colaboram, Semantic Kernel da Microsoft com integração nativa ao ecossistema Azure, e chamadas diretas à API da OpenAI que para agentes simples podem ser suficientes sem framework.
Para um primeiro agente, comece simples: OpenAI function calling direto para agentes com 2-3 ferramentas, LangChain para agentes complexos com memória e múltiplas ferramentas, e CrewAI quando precisar de múltiplos agentes cooperando. Frameworks são ferramentas — escolha o que resolve seu problema com a menor complexidade necessária.
Tem um projeto em mente?
Somos especialistas em transformar ideias em produtos digitais. Apps, sites, automações e IA — vamos construir juntos.
