Your cart is empty.
Keep shoppingLangGraph: Crie Agentes de IA e Apps com LLMs
Role Play
Highest Rated
825 students
LangGraph: Crie Agentes de IA e Apps com LLMs
Aprenda a orquestrar LLMs com LangGraph, LangSmith e agentes personalizados baseados em grafos.
Last updated 6/2026
Portuguese
What you'll learn
- Construir agentes inteligentes utilizando LLMs com o LangGraph.
- Modelar fluxos de decisão e lógica condicional com grafos.
- Integrar ferramentas externas (como buscadores) aos agentes.
- Monitorar e rastrear execuções de agentes com LangSmith.
- Criar uma aplicação final com interface web usando Streamlit.
Explore related topics
Coding Exercises
This course includes our updated coding exercises so you can practice your skills as you learn.
See a demo
Course content
17 sections • 106 lectures • 18h 37m total length
Requirements
- Conhecimento básico de Python (sintaxe, funções e estruturas de controle).
- Familiaridade com ambientes virtuais e instalação de pacotes com pip.
- É recomendado ter conhecimento prévio em LangChain, pois o LangGraph é uma extensão que trabalha em conjunto com essa biblioteca.
- Noções básicas de lógica de programação e terminal/linha de comando.
Description
Este curso contém uso de inteligência artificial.
Se você quer dominar a construção de agentes inteligentes com LLMs (Modelos de Linguagem de Grande Escala), entender como fluxos de decisão funcionam por meio de grafos e ainda usar ferramentas de ponta como LangGraph e LangSmith, este curso é o seu ponto de partida ideal.
O LangGraph está revolucionando o modo como criamos aplicações com IA, permitindo arquiteturas mais flexíveis, rastreáveis e escaláveis. Saber usá-lo não é apenas um diferencial técnico — é se posicionar na fronteira da inovação em IA aplicada.
O que você vai aprender no curso:
Agentes de IA
O que são e como funcionam
Tipos de agentes inteligentes
Exemplos práticos em aplicações reais
Grafos
Conceitos fundamentais sobre grafos
Aplicabilidade em fluxos de decisão e IA
Exemplos com tecnologias como o Neo4j
LangGraph na prática
O que é e como funciona o LangGraph
Diferenças entre LangGraph e LangChain
Ferramentas e funcionalidades principais
Casos de uso reais e escalabilidade de agentes
Primeiros passos técnicos
Configuração do ambiente com Python
Uso de ambientes virtuais e controle de dependências com pip
Versionamento com Git
Desenvolvendo com LangGraph
Criando e visualizando seu primeiro grafo
Integração com ferramentas (tools)
Construção de lógica condicional em agentes
Monitoramento e rastreabilidade com LangSmith
Configuração do ambiente para LangSmith
Execução, monitoramento e depuração de agentes
Criação de agentes que interagem com a web
Projeto prático completo
Definição dos modelos LLM usados
Criação dos nós, queries e estrutura lógica
Adição de múltiplos LLMs e geração de relatórios
Criação de uma interface web com Streamlit
Seção bônus: Dominando o Python
Conceitos essenciais da linguagem
Tipos de dados, estruturas de controle e funções
List comprehension, manipulação de strings e muito mais
Este curso contém materiais promocionais na aula bônus.
Who this course is for:
- Desenvolvedores interessados em construir agentes de IA com LLMs.
- Profissionais de dados que desejam aplicar lógica com grafos em aplicações inteligentes.
- Usuários de LangChain que querem evoluir para fluxos mais avançados com LangGraph.
- Entusiastas de IA que buscam criar projetos reais com monitoramento e interface web.