Resumo do lançamento do LangChain e LangGraph 1.0

Anunciamos o lançamento 1.0, a primeira versão principal estável do LangChain e do LangGraph. O LangChain oferece abstrações de alto nível para desenvolver agentes de IA rapidamente, enquanto o LangGraph fornece um runtime baseado em grafos para agentes de nível de produção personalizáveis. Este lançamento enfatiza a estabilidade, e não estão previstas mudanças até a versão 2.0. O site unificado de documentação (https://docs.langchain.com/) foi redesenhado, e a tecnologia já é usada na prática por grandes empresas como Uber, LinkedIn e Klarna. Atualmente registra 90 milhões de downloads por mês.

Principais anúncios

LangChain 1.0 e LangGraph 1.0 foram lançados como versões estáveis que refletem o feedback da comunidade. O LangChain refinou o loop de agentes, reforçou a personalização com middleware e atualizou a integração de modelos para se adequar aos tipos modernos de conteúdo. O LangGraph oferece um runtime durável para persistência de agentes de longa execução, observabilidade e controle com intervenção humana. Suporta Python e JavaScript, com garantia de compatibilidade retroativa.

LangChain 1.0: novos recursos e melhorias

O LangChain 1.0 simplifica o desenvolvimento de agentes ao resolver abstrações pesadas e problemas de escopo de pacotes. Os principais focos são a abstração create_agent, blocos de conteúdo padronizados e simplificação de pacotes.

Abstração create_agent

É a funcionalidade central para construir agentes rapidamente independentemente do provedor de modelo, garantindo execução estável com base no LangGraph. O loop padrão de agentes é o seguinte:

• Configuração: selecionar o modelo, fornecer ferramentas e definir o prompt.
• Loop de execução:
  1. Enviar uma solicitação ao modelo.
  2. Resposta do modelo: se houver chamada de ferramenta, executá-la e adicioná-la à conversa; se houver resposta final, retornar o resultado.
  3. Repetir a etapa 1.

Código de exemplo:

from langchain.agents import create_agent  
  
weather_agent = create_agent(  
    model="openai:gpt-5",  
    tools=[get_weather],  
    system_prompt="Help the user by fetching the weather in their city.",  
)  
  
result = agent.invoke({"role": "user", "what's the weather in SF?"})  

Middleware: permite personalização adicionando hooks em vários pontos do loop do agente (antes/depois da chamada do modelo, execução de ferramentas etc.). Middleware embutido:

• Human-in-the-loop: interrompe chamadas de ferramentas para aprovação, edição ou rejeição do usuário; útil para interações sensíveis, como acesso a sistemas externos ou transações.
• Summarization: comprime o histórico de mensagens para evitar limites de contexto, preservando as mensagens mais recentes.
• PII Redaction: identifica e mascara dados sensíveis, como e-mails e números de telefone, para conformidade com privacidade.

Middleware personalizado também é suportado.

Geração de saída estruturada: integrada ao loop do agente para reduzir latência/custo. Permite controlar a saída com modelos Pydantic etc. Exemplo:

from langchain.agents import create_agent  
from langchain.agents.structured_output import ToolStrategy  
from pydantic import BaseModel  
  
class WeatherReport(BaseModel):  
    temperature: float    
    condition: str  
  
agent = create_agent(  
    "openai:gpt-4o-mini",  
    tools=[weather_tool],  
    response_format=ToolStrategy(WeatherReport),  
    prompt="Help the user by fetching the weather in their city.",  
)  

O antigo create_react_agent foi marcado como deprecated em langgraph.prebuilt.

Blocos de conteúdo padronizados

Recurso promovido no langchain-core 1.0, fornece uma especificação neutra em relação ao provedor para a saída dos modelos. Pela propriedade .content_blocks das mensagens, é possível tratar de forma consistente tipos de conteúdo como trilhas de raciocínio, citações e chamadas de ferramentas. Isso facilita a troca de modelos entre OpenAI, Anthropic e outros, além de ser compatível com streaming, UI e armazenamento de memória.

Simplificação de pacotes

Mantém apenas as abstrações centrais, enquanto os recursos legados foram movidos para langchain-classic. O suporte ao Python 3.9 foi encerrado (agora é necessário 3.10+). Instalação: uv pip install --upgrade langchain e langchain-classic. Guia de migração: https://docs.langchain.com/oss/python/releases/langchain-v1.

LangGraph 1.0: novos recursos e melhorias

O LangGraph 1.0 é um framework de baixo nível para agentes altamente personalizáveis, adequado a sistemas de longa execução em ambientes de produção. Ele usa um modelo de execução baseado em grafos.

Recursos principais

• Estado durável (Durable State): persiste automaticamente o estado de execução do agente, permitindo retomada após reinício do servidor.
• Persistência embutida: salva/retoma workflows sem código de banco de dados, com suporte a processos de vários dias ou tarefas em segundo plano.
• Padrões de intervenção humana: oferece APIs para revisão, modificação e aprovação humanas após interrupção da execução, ideal para cenários de alto risco.

O módulo langgraph.prebuilt foi movido para langchain.agents. Instalação: uv pip install --upgrade langgraph. Migração: compatibilidade preservada.

Explicação de conceitos: agentes com estado, workflows multiagente, integração com LangChain

Agentes com estado (Stateful Agents)

Mantêm estado persistente entre interações. Com o runtime do LangGraph, preservam histórico de conversa, resultados de ferramentas e progresso do workflow. No LangChain 1.0, o middleware de sumarização ajuda a administrar os limites de contexto. É útil para workflows de múltiplas sessões, como processos de aprovação ao longo de vários dias.

Workflows multiagente (Multi-Agent Workflows)

Com o modelo de grafo do LangGraph, é possível compor sistemas com vários agentes. Ele mistura nós determinísticos (lógica fixa) e componentes de agente (decisões baseadas em LLM), com supervisão por intervenção humana. Também pode ser expandido incorporando agentes do LangChain como nós do grafo. É adequado para automação de negócios, como busca de dados, análise e aprovação.

Integração com o LangChain

O LangChain, como abstração de alto nível, é construído sobre o runtime do LangGraph, tornando os agentes duráveis. Como os grafos são composáveis, é possível evoluir para sistemas complexos. Isso evita vendor lock-in. Vídeo com detalhes de engenharia: https://youtu.be/r5Z_gYZb4Ns.

Casos de uso

• LangChain 1.0: prototipagem rápida de padrões comuns, como consultas de clima ou assistentes baseados em ferramentas. Com middleware, é possível implementar chatbots com proteção de privacidade ou agentes de transação com aprovação humana.
• LangGraph 1.0: automações de longa duração (aprovações de vários dias), supervisão humana de workflows sensíveis e sistemas híbridos (agentes + lógica determinística). Aplicável a processos corporativos da Uber ou Klarna.
• Uso combinado: começar com LangChain e expandir para LangGraph, criando automações de negócios multiagente.

Documentação e recursos

O site unificado de documentação (https://docs.langchain.com/) inclui navegação intuitiva, guias, tutoriais e referência de API. Feedback da comunidade: fórum do LangChain (https://forum.langchain.com/). Também é possível assinar a newsletter.

[girr311]

Oh, a versão 1.0 saiu mesmo.

[aer0700]

Será que a API vai ficar um pouco mais estável a partir da 1.0...
Tomara que não apareça logo uma 2.0 e eu tenha que ficar fuçando o migration guide de novo.
Não tenho reclamações das funcionalidades do LangChain em si, mas quebrar compatibilidade com versões anteriores sempre gera insegurança e dá trabalho

[brainer]

Bom... na área de AI, como é mais fácil simplesmente reescrever tudo desde o começo, até relevo isso, mas a minha maior insatisfação é que os LLMs não conhecem direito a sintaxe mais recente kkk (embora dê para resolver isso até certo ponto usando algo como MCP)