LangGraph

O create_agent do LangChain cria um agente baseado em LangGraph. A API da Maritaca pode ser usada por meio do ChatOpenAI, configurando o endpoint em base_url.

Instalação

pip install -U langchain langchain-openai langgraph
export MARITACA_API_KEY="sua-chave-aqui"

O exemplo usa sabia-4 por padrão. Para usar o modelo de raciocínio, defina MARITACA_MODEL=sabia-4-thinking.

Chamada normal e agente com ferramenta

import os

from langchain.agents import create_agent
from langchain.tools import tool
from langchain_openai import ChatOpenAI


model_name = os.getenv("MARITACA_MODEL", "sabia-4")
llm = ChatOpenAI(
    model=model_name,
    api_key=os.environ["MARITACA_API_KEY"],
    base_url="https://chat.maritaca.ai/api",
)

normal_response = llm.invoke("Quanto é 25 + 27? Inclua 52 na resposta.")
print("Chamada normal:", normal_response.content)


@tool
def add(a: int, b: int) -> int:
    """Soma dois números inteiros."""
    return a + b


agent = create_agent(
    model=llm,
    tools=[add],
    system_prompt="Sempre use a ferramenta add para fazer somas.",
)
result = agent.invoke(
    {"messages": [{"role": "user", "content": "Use add para calcular 12 + 3."}]}
)

print("Agente:", result["messages"][-1].content)  # 15

O mesmo código funciona com sabia-4 e sabia-4-thinking. O agente executa a ferramenta localmente e adiciona o resultado ao histórico antes de pedir a resposta final ao modelo.

Para mais detalhes, consulte a documentação de agentes do LangChain.