A maior parte do curso vai focar em LangGraph, mas em vários momentos vamos usar recursos do LangChain para atingir nossos objetivos. Principalmente as ferramentas que ele já traz prontas e que tornam o trabalho com o LangGraph muito mais fácil.
Por isso, antes de avançar, vamos entender a diferença entre os dois para não ficar nenhuma dúvida sobre o papel de cada um.
O LangChain é uma caixa de ferramentas gigante para trabalhar com LLMs. Ele tenta resolver quase tudo: integração com diferentes modelos e providers, banco de dados, RAG, ferramentas externas (tools), encadeamento de chamadas com o LCEL (LangChain Expression Language), e muito mais.
O próprio nome já entrega a ideia: a parte "chain" vem de chains (correntes, cadeias, encadeamento). Ou seja, você monta uma sequência de passos onde a saída de um vira a entrada do próximo. Um fluxo típico fica assim:
Prompt -> LLM -> Solução -> FIM
Isso funciona bem para pipelines lineares e previsíveis. Mas quando o problema exige condições, loops ou estado persistente, até dá pra forçar no LangChain, só que o código fica pesado e difícil de depurar.
É aí que entra o LangGraph, feito para lidar diretamente com grafos de execução mais complexos, de forma clara e controlada.
O LangGraph nasceu para resolver justamente as limitações do LangChain quando o fluxo deixa de ser linear. Aqui a ideia principal não é só "chain", mas sim graph (grafo), onde você pode controlar o caminho que a execução vai seguir.
Com o LangGraph você consegue criar fluxos que:
- têm condições (se a LLM pedir uma tool, segue por um caminho; se não, segue por outro),
- suportam loops controlados (repetir até a resposta estar ok, por exemplo),
- e mantêm estado persistente ao longo da conversa.
Na prática, você monta um grafo de execução em que cada nó é um passo (um LLM, uma função, uma tool) e cada aresta define a lógica de transição entre eles. Isso dá muito mais clareza e previsibilidade do que tentar forçar tudo dentro de uma chain.
Resumindo: enquanto o LangChain brilha em pipelines lineares e simples, o LangGraph é feito sob medida para agentes e fluxos complexos, onde você precisa de controle fino sobre cada decisão.
Isso é só uma parte teórica para você saber que existem diferenças entre ambos, mas vamos falar muito sobre os detalhes ao longo das aulas.