LangGraph em 2026: Recursos, Preços, Alternativas

Quem criou o LangGraph, e como ele se tornou um produto próprio?

O que é o LangGraph?

• Estado: um único objeto tipado (geralmente um TypedDict do Python) que cada nó lê e escreve, de modo que todo o grafo compartilha uma única fonte de verdade sobre o que aconteceu até então
• Nós e arestas: os nós são funções simples que recebem o estado atual e retornam atualizações para ele; as arestas (incluindo arestas condicionais) decidem qual nó é executado em seguida com base nesse estado
• Checkpointing e persistência: um checkpointer intercambiável (um armazenamento em memória para desenvolvimento, ou um baseado em banco de dados como o Postgres para produção) salva o estado do grafo após cada etapa, vinculado a um ID de thread, para que uma execução possa pausar e retomar exatamente de onde parou
• Human-in-the-loop: a função interrupt() pausa a execução dentro de um nó e devolve o controle ao código chamador; retomar com um Command(resume=...) continua a mesma execução do grafo exatamente daquele ponto — é assim que o LangGraph implementa etapas de aprovação sem perder o estado
• Grafos multiagente e hierárquicos: como um nó pode, por si só, invocar um subgrafo compilado, o LangGraph suporta arquiteturas de agente único, multiagente e hierárquicas (supervisor mais trabalhadores) com as mesmas primitivas
• LangGraph Studio: uma ferramenta visual opcional para inspecionar e percorrer passo a passo um grafo em execução, separada da biblioteca principal

from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.checkpoint.memory import MemorySaver

class State(TypedDict):
    topic: str
    draft: str

def write_draft(state: State) -> dict:
    return {"draft": f"Draft about {state['topic']}"}

def review_draft(state: State) -> dict:
    return {"draft": state["draft"] + " (reviewed)"}

builder = StateGraph(State)
builder.add_node("write", write_draft)
builder.add_node("review", review_draft)
builder.add_edge(START, "write")
builder.add_edge("write", "review")
builder.add_edge("review", END)

graph = builder.compile(checkpointer=MemorySaver())
result = graph.invoke(
    {"topic": "local LLMs"},
    config={"configurable": {"thread_id": "1"}},
)
print(result["draft"])

Quanto custa o LangGraph?

• LangGraph (a biblioteca): gratuita para sempre sob a licença MIT, para Python e JavaScript/TypeScript, autogerenciada ou incorporada em qualquer aplicação
• Hospedar você mesmo seus próprios agentes: você pode executar grafos LangGraph compilados em seus próprios servidores com seu próprio checkpointer (por exemplo, Postgres) sem custo algum para a LangChain Inc. — sem taxa de licença para uso em produção autogerenciado
• Nível LangSmith Developer: US$ 0 por assento por mês, um assento, até 5.000 traces base por mês, depois pagamento por uso — não inclui implantação gerenciada
• Nível LangSmith Plus: US$ 39 por assento por mês, assentos ilimitados, até 10.000 traces base por mês incluídos, e inclui uma implantação serverless pequena e gratuita do LangGraph, além de acesso a Deployment, Engine e infraestrutura relacionada cobrados por uso
• LangSmith Enterprise: preço personalizado, adiciona opções de implantação autogerenciada/híbrida e SLAs personalizados
• O uso de implantação além da cota incluída é cobrado separadamente do uso de traces: a computação é cobrada em LCUs (1 LCU = US$ 1,50) e o uso de banco de dados em LSUs (1 LSU = US$ 1,00), por vCPU-hora e GiB-hora
• O que era comercializado como "LangGraph Platform" até 2025 hoje é cobrado como LangSmith Deployment — não existe mais uma tabela de preços separada do LangGraph Platform para orçamento; é um item de linha dentro de um plano do LangSmith

Como instalar e começar a usar o LangGraph?

1. 1
   Instale o pacote: pip install -U langgraph (Python) ou npm install @langchain/langgraph (JavaScript/TypeScript).
2. 2
   Defina a chave de API do seu provedor de modelo como uma variável de ambiente (por exemplo, OPENAI_API_KEY) — o LangGraph em si não fornece nem intermedia o acesso ao modelo; você chama o modelo escolhido de dentro de um nó.
3. 3
   Defina um esquema de estado (um TypedDict ou similar), construa um StateGraph a partir dele, registre nós com add_node, e conecte-os com add_edge ou uma aresta condicional.
4. 4
   Compile o grafo com .compile(), passando um checkpointer (um MemorySaver em memória para desenvolvimento, ou um baseado em banco de dados para produção) para que o estado persista entre etapas e reinícios do processo.
5. 5
   Use interrupt() dentro de qualquer nó em que uma decisão humana seja necessária antes de continuar, e retome a execução pausada com um Command(resume=...) no mesmo ID de thread.
6. 6
   Leia a documentação oficial do LangGraph e navegue pelo repositório no GitHub para a referência de API atual e o guia rápido de JavaScript/TypeScript.
7. 7
   Opcionalmente, implante no LangSmith Deployment ou hospede você mesmo o grafo compilado atrás do seu próprio servidor de API quando precisar de hospedagem em produção em vez de uma execução local.

Para quem o LangGraph é indicado?

Quando você NÃO deveria usar o LangGraph?

• Um fluxo de trabalho que sempre executa a mesma sequência fixa de etapas uma vez e retorna um resultado — uma simples cadeia de chamadas de função, ou o create_agent do LangChain, cobre isso com menos código
• Uma equipe que quer um modelo mental baseado em papéis — agentes nomeados com personas, metas e subtarefas delegadas — em vez de pensar em nós e arestas explícitos; o CrewAI é projetado em torno dessa abstração
• Uma equipe que ainda não está investida no ecossistema LangChain, quer a menor pegada de dependências possível e está confortável gerenciando estado e novas tentativas manualmente
• Um projeto cuja necessidade principal são padrões de conversa multiagente (agentes debatendo ou revisando a saída um do outro em um loop de chat) em vez de um grafo de fluxo de controle explícito — o AutoGen é construído em torno desse padrão
• Use o LangGraph em vez disso quando o fluxo de trabalho realmente tiver ciclos, ramificações condicionais, necessidade de pausar para entrada humana, ou precisar sobreviver a um reinício no meio da tarefa

LangGraph vs. Alternativas

Erros comuns ao avaliar o LangGraph

Perguntas frequentes

Fontes

Leituras relacionadas

• Análise do LangChain: Recursos, Preços, Alternativas — o framework de propósito geral que o runtime do LangGraph alimenta sob a abstração create_agent.
• Análise do CrewAI: Framework multiagente baseado em papéis — uma alternativa baseada em papéis para equipes que preferem agentes nomeados com metas em vez de um grafo de estado explícito.
• Análise do AutoGen: Framework de conversa multiagente — a alternativa de padrão conversacional da Microsoft Research para sistemas multiagente.
• Diretório de software de LLM local — o catálogo completo de ferramentas de IA local ao qual este artigo pertence, incluindo onde o LangGraph se encaixa entre os frameworks de agentes.
• Análise do Langflow: construtor visual do LangChain — uma interface visual de arrastar e soltar para construir fluxos de LangChain e LangGraph sem escrever cada grafo manualmente.