LangChain para Iniciantes: Construa Seu Primeiro Agente de IA

LangChain é o framework mais popular para construir aplicações de IA em produção. Se você já usa a API da OpenAI diretamente, o LangChain vai te levar ao próximo nível.

O que é LangChain?

LangChain é um framework open-source em Python (e JavaScript) que simplifica a criação de aplicações com LLMs.

Problemas que resolve:

• Dar memória à IA entre conversas
• Conectar a IA aos seus documentos e bancos de dados
• Criar agentes com ferramentas (busca web, calculadora, APIs)
• Encadear múltiplas chamadas de IA em pipelines

Instalação

pip install langchain langchain-openai langchain-community chromadb python-dotenv

Primeira Cadeia

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

modelo = ChatOpenAI(model="gpt-4o-mini", temperature=0)

prompt = ChatPromptTemplate.from_messages([
    ("system", "Você é um assistente de IA útil. Dê respostas precisas e concisas."),
    ("user", "{pergunta}")
])

cadeia = prompt | modelo | StrOutputParser()
resultado = cadeia.invoke({"pergunta": "O que é LangChain?"})
print(resultado)

Adicionando Memória

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.messages import HumanMessage, AIMessage

modelo = ChatOpenAI(model="gpt-4o-mini")
prompt = ChatPromptTemplate.from_messages([
    ("system", "Você é um assistente útil."),
    MessagesPlaceholder(variable_name="historico"),
    ("user", "{entrada}")
])

cadeia = prompt | modelo
historico = []

def chat(mensagem: str) -> str:
    resposta = cadeia.invoke({"historico": historico, "entrada": mensagem})
    historico.append(HumanMessage(content=mensagem))
    historico.append(AIMessage(content=resposta.content))
    return resposta.content

print(chat("Olá, meu nome é Carlos"))
print(chat("Como eu me chamo?"))  # Lembra!

Sistema RAG

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from langchain_core.documents import Document
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

documentos = [
    Document(page_content="LearnGeni oferece 30 guias de IA por $5 cada."),
    Document(page_content="Usuários têm acesso vitalício após a compra."),
]

embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(documentos, embeddings)
retriever = vectorstore.as_retriever()

prompt = ChatPromptTemplate.from_template("""
Responda usando o contexto:

Contexto: {contexto}
Pergunta: {pergunta}
""")

modelo = ChatOpenAI(model="gpt-4o-mini")
cadeia = (
    {"contexto": retriever, "pergunta": RunnablePassthrough()}
    | prompt | modelo
)

resultado = cadeia.invoke("Quanto custam os guias da LearnGeni?")
print(resultado.content)

Quer aprender LangChain do zero ao avançado? O guia completo da LearnGeni inclui projetos reais e os melhores padrões de 2026. Ver todos os guias.