<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Langchain on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/langchain/</link>
    <description>Recent content in Langchain on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Sun, 26 Apr 2026 10:04:33 -0300</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/langchain/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>LangGraph: Criando Agentes de IA com Python | python.dev.br</title>
      <link>https://python.dev.br/blog/langgraph-agentes-ia-python/</link>
      <pubDate>Sun, 26 Apr 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/langgraph-agentes-ia-python/</guid>
      <description>&lt;p&gt;Se você acompanha o ecossistema Python em 2026, já deve ter notado que &lt;strong&gt;agentes de IA&lt;/strong&gt; deixaram de ser curiosidade de laboratório e viraram ferramenta de produção. Frameworks como CrewAI e OpenAI Agents SDK trouxeram o conceito para mais perto dos desenvolvedores, mas quando o assunto é &lt;strong&gt;controle fino, durabilidade e fluxos complexos&lt;/strong&gt;, o &lt;strong&gt;LangGraph&lt;/strong&gt; se destaca como a principal escolha.&lt;/p&gt;&#xA;&lt;p&gt;Neste artigo, vamos entender o que é o LangGraph, por que ele se diferencia de outras abordagens, e construir um agente funcional passo a passo em Python. Se você já trabalha com &lt;a href=&#34;https://python.dev.br/blog/python-e-llms-apis-inteligencia-artificial/&#34;&gt;LLMs e APIs de IA&lt;/a&gt; ou conhece o &lt;a href=&#34;https://python.dev.br/blog/openai-agents-sdk-python-multi-agentes/&#34;&gt;OpenAI Agents SDK&lt;/a&gt;, vai perceber como o LangGraph complementa esse ecossistema.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
