langchain-langgraph-studies

Repositório de estudos práticos com LangChain e LangGraph para construção de sistemas de IA, agentes e pipelines/workflows inteligentes com Python.

Objetivo: aprender na prática como compor LLMs, ferramentas e grafos de execução (LangGraph), evoluindo de exemplos simples para fluxos mais “agentic” e controláveis.

---

Pré-requisitos

• Python: use a versão indicada em .python-version
• Recomendado: uv (gerenciamento de ambiente e dependências), já que o repositório possui uv.lock

---

Setup rápido (com uv)

1. Clone o repositório:

git clone https://github.com/GamalielGhelli/langchain-langgraph-studies.git
cd langchain-langgraph-studies

2. Crie seu .env baseando neste exemplo:

 cp .env-example .env

4. Instale as dependências (o uv vai respeitar o lockfile uv.lock):

uv sync

5. Rode um exemplo:

uv run python src/examples/ex001/main.py

Troque ex001 por ex002 conforme for avançando.

---

Setup alternativo (sem uv)

Se preferir venv + pip:

python -m venv .venv
# Windows (Git Bash)
source .venv/Scripts/activate

# Linux/macOS
# source .venv/bin/activate

Depois de ativar o ambiente virtual, instale as dependências utilizando o arquivo requirements.txt:

pip install -r requirements.txt

---

Estrutura atual do projeto

.
├─ src/
│  └─ examples/
│     ├─ ex001/
│     │  └─ main.py
│     └─ ex002/
│        └─ main.py
├─ .env-example
├─ .python-version
├─ pyproject.toml
└─ uv.lock

• src/examples/ → exemplos organizados por pasta (ex.: ex001, ex002)
• .env-example → modelo de variáveis de ambiente para configuração local
• pyproject.toml + uv.lock → dependências e lockfile (setup reproduzível)
• .python-version → versão de Python sugerida para o projeto

---

Evolução

Este repositório é voltado para estudos práticos e será expandido com novos exemplos, explorando conceitos como:

• Chains
• Agentes
• Ferramentas (tool calling)
• Pipelines inteligentes
• Grafos de execução com LangGraph

---

Links úteis

Link de acesso a documentações.

• UV
• LangChain
• LangGraph