LangChain
LangChain é um framework open source em Python e JavaScript que fornece abstrações e componentes para construir aplicações que usam grandes modelos de linguagem, incluindo chains, agentes, memória e integrações com ferramentas.
Entendendo LangChain
Lançado em outubro de 2022, o LangChain se tornou um dos frameworks mais amplamente adotados no ecossistema de aplicações com LLM. Ele introduziu abstrações padronizadas para os padrões mais comuns em aplicações alimentadas por LLMs: conectar um modelo a fontes de dados externas, encadear múltiplos prompts, permitir que LLMs usem ferramentas e persistir o contexto entre interações. Os principais recursos do LangChain incluem: **Cadeias (Chains)**: Sequências de chamadas a LLMs e outras operações organizadas em um pipeline. Uma cadeia pode recuperar documentos relevantes, inseri-los em um prompt, chamar o LLM e analisar a resposta. **Agentes (Agents)**: Ciclos de decisão orientados por LLMs que escolhem quais ferramentas utilizar e em que ordem para atingir um objetivo. O LangChain popularizou o padrão de agente ReAct (Raciocínio + Ação). **Memória (Memory)**: Mecanismos para persistir contexto ao longo de várias chamadas a LLM, desde buffers simples de conversação até memórias de longo prazo baseadas em vetores. **Integração de ferramentas**: Um amplo ecossistema de conectores prontos para APIs externas, bancos de dados e serviços. À medida que os casos de uso de agentes se tornaram mais sofisticados, a equipe do LangChain desenvolveu o LangGraph como uma biblioteca separada para fluxos de trabalho complexos, com múltiplos agentes e estado. O LangGraph oferece controle mais explícito sobre o fluxo de execução dos agentes usando um modelo baseado em grafos, abordando limitações da abstração de cadeias sequenciais do LangChain para sistemas agentes de produção. O LangChain continua sendo amplamente utilizado para prototipagem e aplicações LLM mais simples, enquanto o LangGraph é preferido para sistemas agentes de produção que exigem controle detalhado, fluxos de trabalho com humanos no loop e estado persistente.
Como GAIA usa LangChain
O backend da GAIA é construído sobre o LangGraph, em vez da abstração baseada em cadeias do LangChain, proporcionando controle detalhado sobre o grafo de execução multiagentes que orquestra tarefas em mais de 50 integrações. A abordagem baseada em grafos e estado do LangGraph é mais adequada para fluxos de trabalho de agentes complexos e de longa duração da GAIA do que as cadeias sequenciais mais simples do LangChain. As integrações de ferramentas do ecossistema LangChain e os padrões de comunidade influenciaram a arquitetura da GAIA.
Conceitos relacionados
LangGraph
LangGraph é um framework para construir aplicações de IA com múltiplos agentes e estado, que suporta fluxos de trabalho complexos, com ciclos, ramificações, lógica condicional e gerenciamento de estado persistente.
Agent Loop
Um agent loop é o ciclo de execução iterativa de um agente de IA no qual ele analisa o estado atual, seleciona e executa uma ação (frequentemente uma chamada de ferramenta), observa o resultado e repete até a tarefa ser concluída ou uma condição de parada ser alcançada.
Large Language Model (LLM)
Um Modelo de Linguagem de Grande Porte (LLM) é um modelo de deep learning treinado com enormes conjuntos de textos capaz de compreender, gerar e raciocinar sobre linguagem humana em uma ampla variedade de tarefas.
Chamada de Função
Chamada de função é um recurso de modelos de IA que permite gerar invocações estruturadas e legíveis por máquina de funções predefinidas, possibilitando que sistemas de IA acessem APIs e ferramentas externas com os argumentos corretos.
Orquestração de IA
Orquestração de IA é a coordenação de múltiplos agentes, modelos e ferramentas de IA trabalhando juntos para completar tarefas complexas e multietapas que nenhum componente sozinho seria capaz de realizar.
