Destino Dev

Cursos

LangChain e Agentes Autônomos com Python

Código do curso: github.com/johnpires/langchain-agentes-autonomos-python

Domine o framework LangChain e aprenda a construir agentes autônomos inteligentes com Python. Este curso avançado explora desde os fundamentos de chains e prompts até a criação de agentes complexos que utilizam ferramentas, memória e raciocínio para resolver problemas do mundo real. Você vai aprender a integrar LLMs com fontes de dados externas, criar pipelines de processamento de linguagem natural, implementar sistemas RAG com LangChain, e desenvolver agentes que tomam decisões autônomas usando ReAct, Plan-and-Execute e outras estratégias avançadas. Ao final do curso, você será capaz de arquitetar e deployar sistemas multi-agente em produção, com observabilidade via LangSmith, orquestração com LangGraph, e integração com APIs, bancos vetoriais e ferramentas customizadas.

Conteúdo do curso

Módulo 1: Fundamentos de LangChain e LLMs

  1. O que é LangChain e por que usar
  2. Arquitetura e Componentes Core do LangChain
  3. Configurando Provedores de LLMs
  4. Mensagens, Tokens e Gerenciamento de Contexto
  5. Callbacks, Streaming e Observabilidade
  6. Cache, Rate Limiting e Otimização de Custos
  7. Exercício Prático: Pipeline Básico com LCEL

Módulo 2: Chains, Prompts e Output Parsers

  1. Prompt Templates Avançados
  2. Chains Sequenciais e Composição com LCEL
  3. Output Parsers e Saída Estruturada
  4. RunnablePassthrough, RunnableParallel e Roteamento
  5. Chains de Transformação e Manipulação de Documentos
  6. Construindo Chains Reutilizáveis e Testáveis
  7. Exercício Prático: Sistema de Processamento Multi-Etapa

Módulo 3: Memória, RAG e Bancos Vetoriais

  1. Memória Conversacional no LangChain
  2. Embeddings e Representação Vetorial
  3. Bancos Vetoriais: Chroma, FAISS e Pinecone
  4. Retrieval-Augmented Generation (RAG) Fundamentos
  5. RAG Avançado: Reranking, Hybrid Search e Multi-Query
  6. Estratégias de Chunking e Indexação
  7. Exercício Prático: Chatbot RAG com Documentos

Módulo 4: Agentes Autônomos e Ferramentas

  1. O que são Agentes e como funcionam
  2. Criando Ferramentas Customizadas
  3. Ferramentas Built-in do LangChain
  4. Agentes ReAct com create_react_agent
  5. Agentes com Structured Output e Function Calling
  6. Estratégias de Planejamento: Plan-and-Execute
  7. Exercício Prático: Agente de Pesquisa Autônomo

Módulo 5: LangGraph e Orquestração Multi-Agente

  1. Introdução ao LangGraph: Grafos e Estado
  2. Nós, Arestas e Fluxo Condicional
  3. Persistência de Estado e Checkpointing
  4. Human-in-the-Loop com LangGraph
  5. Sistemas Multi-Agente: Arquiteturas e Padrões
  6. Subgrafos e Composição de Workflows
  7. Exercício Prático: Workflow Multi-Agente com Supervisor

Módulo 6: Projeto Final: Sistema Multi-Agente em Produção

  1. Arquitetura do Projeto: Content Factory Multi-Agente
  2. Configurando o Ambiente e Estrutura do Projeto
  3. Implementando o Agente Pesquisador
  4. Implementando o Agente Escritor e Editor
  5. Orquestração com LangGraph e Supervisor
  6. API REST, Observabilidade e Deploy
  7. Testes, CI/CD e Considerações de Produção