LangChain é um framework de software de código aberto para construir aplicações alimentadas por modelos de linguagem de grande porte, fornecendo abstrações para encadear prompts, conectar modelos a dados e ferramentas externas, e construir agentes que raciocinam ao longo de múltiplas etapas. Lançado pela primeira vez em outubro de 2022 pelo desenvolvedor Harrison Chase, tornou-se um dos frameworks de desenvolvimento mais amplamente adotados do início do boom de IA generativa, com bindings em Python e JavaScript e um grande ecossistema de integrações.
O framework organiza aplicações de LLM como "cadeias" compostas: sequências de chamadas a modelos, prompts, parsers e serviços externos. Seu caso de uso mais comum é a geração aumentada por recuperação, onde uma cadeia recupera documentos relevantes de um banco de dados vetorial antes de passá-los a um modelo como contexto, reduzindo a alucinação e fundamentando respostas em um corpus específico.
História
O lançamento do LangChain em outubro de 2022 coincidiu quase exatamente com a preparação para o ChatGPT, e o interesse no framework acelerou acentuadamente após o lançamento do ChatGPT no mês seguinte, à medida que desenvolvedores corriam para construir suas próprias aplicações sobre as APIs da OpenAI e de outros laboratórios. A LangChain Inc foi fundada em 2023 e levantou financiamento inicial enquanto o projeto se tornava um ponto de referência padrão em tutoriais sobre construção de aplicações de recuperação e agentes. O framework posteriormente introduziu a LangChain Expression Language (LCEL) para compor cadeias de forma declarativa e, em 2024, lançou o LangGraph, uma biblioteca para construir fluxos de trabalho de agentes cíclicos e com estado, juntamente com o LangSmith, uma plataforma de observabilidade e depuração, refletindo uma mudança mais ampla de tutoriais para iniciantes em direção a ferramentas de nível de produção.
Arquitetura e recursos
As abstrações principais do LangChain incluem cadeias, prompts, memória, agentes, ferramentas, retrievers e parsers de saída, projetadas para serem combinadas e adaptadas entre diferentes provedores de modelos e fontes de dados. Ele oferece uma ampla superfície de integração, conectando-se a modelos de muitos provedores, armazenamentos vetoriais e centenas de ferramentas externas, uma área posteriormente complementada pelo surgimento do Protocolo de Contexto de Modelo aberto como uma alternativa padronizada para conectar ferramentas e fontes de dados a modelos em toda a indústria. Seus módulos de memória, que dão aos agentes conversacionais persistência entre turnos, foram uma tentativa inicial do problema mais amplo posteriormente descrito sob o título de engenharia de contexto.
Recepção e críticas
O LangChain é amplamente creditado por acelerar a prototipagem de aplicações de RAG e agentes e por popularizar um vocabulário compartilhado, como "cadeias", "agentes" e "ferramentas", em todo o ecossistema de aplicações de LLM. Também atraiu críticas sustentadas de partes da comunidade de desenvolvedores por excesso de camadas de abstração, mensagens de erro opacas e mudanças frequentes que quebram sua API. Um ensaio amplamente compartilhado de 2023 intitulado "The Problem With LangChain" argumentou que muitas equipes de produção não precisavam do framework e eram melhor atendidas chamando APIs de modelos diretamente. Frameworks concorrentes, incluindo o LlamaIndex focado em recuperação e vários SDKs de nível mais baixo, surgiram em parte em resposta a essas críticas e, em meados da década de 2020, muitas equipes usavam o LangChain seletivamente, para orquestração ou especificamente para o LangGraph, em vez de adotá-lo como uma solução de pilha completa.