IA para Devs

Agentes Avançados com LangGraph

3 - 6 Hours 4 Modules

Overview

Main Theme: AI for Developers

Duration: 3 - 6 Hours

Level: Advanced / Engineering

Target Audience: Software Architects, AI Engineers, and Senior Developers

ABOUT THE TRAINING

LangGraph enables AI to move beyond just chat and operate as a robust state machine. This training teaches how to build applications that don’t "get lost" in the conversation, allowing for the creation of loops, complex logical conditions, and memory that persists between sessions. It is the ideal tool for mission-critical processes where reliability and auditing are essential.

Objective

Empower the professional to design and implement agent flows that can fail, correct their own error, and try again, ensuring that each decision is traceable and that sensitive actions go through human approval.

TRAINING MODULES

State Machines and Cyclical Flows

Learning about graph architecture for AI. The student will learn to create cyclical flows where the agent can attempt to execute a task, identify a failure, and perform self-correction autonomously before delivering the result.

Persistent Memory and Long-Term State

Implementation of data persistence. Unlike common chats, this module focuses on how to make the agent recall interactions from days or weeks ago, maintaining the historical context of decisions and user preferences in a structured manner.

Human-in-the-loop (Human Approval)

Development of checkpoints. The student will learn to set up "break points" where the agent pauses its execution and waits for a human to validate or edit an action before it is completed.

Case Study: Multi-Agent Orchestration "Ask David"

The challenge is to architect a "Maestro" (Supervisor) that delegates tasks to specialized agents: a structured data agent (Text-to-SQL), a document agent (RAG), and an analytical agent, integrating everything into a single high-accuracy decision flow.

Case que mostra o uso do LangGraph

A empresa J.P. Morgan, líder global em serviços financeiros, desenvolveu um sistema de IA robusto.

Ask David é um exemplo real e avançado de como empresas de grande porte estão movendo a IA de simples chatbots para Sistemas Agenciais.

O nome DAVID é um acrônimo para: Data (Dados), Analytics (Análise), Visualization (Visualização), Insights, Decision-making (Tomada de Decisão).

Ele foi criado para os banqueiros do JP Morgan Private Bank. Imagine um consultor que precisa decidir se recomenda um fundo de investimento para um cliente bilionário: ele não pode errar. O "Ask David" automatiza a pesquisa que antes levava horas, cruzando dados de planilhas (estruturados) com relatórios de pesquisa e notícias (não estruturados).

Arquitetura feita com LangGraph

Agente principal:

Agente Supervisor (O Maestro): Ele é o primeiro a ler a pergunta. Não tenta responder sozinho. Analisa a intenção do usuário e decide qual agente especializado chamar. Se a pergunta for complexa, cria um plano de execução, chamando vários agentes em ordem.

Sub Agentes:

Agente de Dados Estruturados (Text-to-SQL): Sua única função é falar com bancos de dados. Transforma "Qual foi o rendimento do fundo X em 2024?" em uma consulta SQL real, garantindo que o número retornado seja exato e venha da fonte oficial.
Agente de Dados Não Estruturados (RAG): Foca em textos. Lê PDFs, transcrições de reuniões e e-mails. Se você perguntar "Por que este fundo foi fechado?", busca no relatório de pesquisa e resume o motivo.
Agente Analítico (ReAct): Usa ferramentas e APIs internas para fazer cálculos matemáticos ou simulações financeiras em tempo real.

Fonte: zenml.io