Resumen del lanzamiento de LangChain y LangGraph 1.0

Anunciamos el lanzamiento 1.0, la primera versión mayor estable de LangChain y LangGraph. LangChain ofrece abstracciones de alto nivel para desarrollar rápidamente agentes de IA, mientras que LangGraph ofrece un runtime basado en grafos que soporta agentes personalizables de nivel de producción. Este lanzamiento pone énfasis en la estabilidad, y no se esperan cambios hasta la versión 2.0. El sitio de documentación unificada (https://docs.langchain.com/) fue rediseñado y ya se usa en la práctica en grandes empresas como Uber, LinkedIn y Klarna. Registra 90 millones de descargas al mes.

Anuncios principales

LangChain 1.0 y LangGraph 1.0 se lanzaron como versiones estables que reflejan el feedback de la comunidad. LangChain refina el bucle de agentes, fortalece la personalización con middleware y actualiza la integración de modelos para adaptarse a tipos de contenido modernos. LangGraph ofrece un runtime duradero para la persistencia de agentes de larga ejecución, observabilidad y control de intervención humana. Soporta tanto Python como JavaScript y garantiza compatibilidad hacia atrás.

LangChain 1.0: novedades y mejoras

LangChain 1.0 resuelve problemas de abstracciones pesadas y del alcance de paquetes, y simplifica el desarrollo de agentes. Los focos principales son la abstracción create_agent, los bloques de contenido estándar y la simplificación de paquetes.

Abstracción create_agent

Es una función central que permite construir agentes rápidamente sin importar el proveedor del modelo, y garantiza una ejecución estable sobre LangGraph. El bucle de agente estándar es el siguiente:

• Configuración: seleccionar el modelo, proporcionar herramientas y definir el prompt.
• Bucle de ejecución:
  1. Enviar una solicitud al modelo.
  2. Respuesta del modelo: si llama una herramienta, se ejecuta y se agrega a la conversación; si da una respuesta final, devuelve el resultado.
  3. Repetir el paso 1.

Código de ejemplo:

from langchain.agents import create_agent  
  
weather_agent = create_agent(  
    model="openai:gpt-5",  
    tools=[get_weather],  
    system_prompt="Help the user by fetching the weather in their city.",  
)  
  
result = agent.invoke({"role": "user", "what's the weather in SF?"})  

Middleware: permite personalización agregando hooks en varios puntos del bucle de agentes (antes/después de llamar al modelo, durante la ejecución de herramientas, etc.). Middleware integrado:

• Human-in-the-loop: pausa durante llamadas a herramientas para aprobación, edición o rechazo por parte del usuario; útil para interacciones sensibles (acceso a sistemas externos, transacciones).
• Summarization: comprime el historial de mensajes para evitar límites de contexto y conserva los mensajes recientes.
• PII Redaction: identifica y enmascara datos sensibles como correos electrónicos y números telefónicos para cumplir con requisitos de privacidad.

También soporta middleware personalizado.

Generación de salida estructurada: está integrada al bucle del agente para reducir latencia y costo. Permite controlar la salida con modelos Pydantic, entre otros. Ejemplo:

from langchain.agents import create_agent  
from langchain.agents.structured_output import ToolStrategy  
from pydantic import BaseModel  
  
class WeatherReport(BaseModel):  
    temperature: float    
    condition: str  
  
agent = create_agent(  
    "openai:gpt-4o-mini",  
    tools=[weather_tool],  
    response_format=ToolStrategy(WeatherReport),  
    prompt="Help the user by fetching the weather in their city.",  
)  

La anterior create_react_agent fue marcada como deprecated en langgraph.prebuilt.

Bloques de contenido estándar

Es una función promovida en langchain-core 1.0 que ofrece una especificación neutral respecto al proveedor para la salida de modelos. A través de la propiedad .content_blocks de los mensajes, maneja de forma consistente tipos de contenido como trazas de razonamiento, citas y llamadas a herramientas. Facilita el cambio entre modelos como OpenAI y Anthropic, y es compatible con streaming, UI y almacenes de memoria.

Simplificación de paquetes

Se mantienen solo las abstracciones centrales, y las funciones legacy se movieron a langchain-classic. Se dejó de soportar Python 3.9 (se requiere 3.10+). Instalación: uv pip install --upgrade langchain y langchain-classic. Guía de migración: https://docs.langchain.com/oss/python/releases/langchain-v1.

LangGraph 1.0: novedades y mejoras

LangGraph 1.0 es un framework de bajo nivel para agentes altamente personalizables, adecuado para sistemas de larga ejecución en entornos de producción. Usa un modelo de ejecución basado en grafos.

Funciones clave

• Estado duradero (Durable State): persiste automáticamente el estado de ejecución del agente y permite reanudarlo tras reinicios del servidor.
• Persistencia integrada: guarda y reanuda workflows sin código de base de datos, y soporta procesos de varios días o tareas en segundo plano.
• Patrones de intervención humana: ofrece APIs para revisión, modificación y aprobación humanas tras pausar la ejecución, ideal para escenarios de alto riesgo.

El módulo langgraph.prebuilt se movió a langchain.agents. Instalación: uv pip install --upgrade langgraph. Migración: se mantiene la compatibilidad.

Explicación de conceptos: agentes con estado, workflows multiagente e integración con LangChain

Agentes con estado (Stateful Agents)

Mantienen estado persistente entre interacciones. Con el runtime de LangGraph, conservan historial de conversación, resultados de herramientas y progreso del workflow. En LangChain 1.0, el middleware de resumen gestiona los límites de contexto. Es útil para workflows multisession, como procesos de aprobación que duran varios días.

Workflows multiagente (Multi-Agent Workflows)

El modelo de grafos de LangGraph permite componer sistemas multiagente. Mezcla nodos deterministas (lógica fija) con componentes de agente (decisiones basadas en LLM). Puede supervisarse con intervención humana. Los agentes de LangChain pueden incrustarse como nodos del grafo para escalar. Es adecuado para automatización de negocios (búsqueda de datos, análisis, aprobaciones).

Integración con LangChain

LangChain, como abstracción de alto nivel, se basa en el runtime de LangGraph y vuelve duraderos a los agentes. Evoluciona hacia sistemas complejos como grafos componibles. Evita el vendor lock-in. Video con detalles de ingeniería: https://youtu.be/r5Z_gYZb4Ns.

Casos de uso

• LangChain 1.0: prototipado rápido de patrones estándar, como consultas del clima o asistentes basados en herramientas. Con middleware, permite implementar chatbots con protección de privacidad o agentes de transacciones con aprobación humana.
• LangGraph 1.0: automatización de larga duración (aprobaciones de varios días), supervisión humana de workflows sensibles y sistemas híbridos (agentes + lógica determinista). Procesos empresariales de Uber o Klarna.
• Uso combinado: comenzar con LangChain y escalar con LangGraph hacia automatización de negocios multiagente.

Documentación y recursos

El sitio de documentación unificada (https://docs.langchain.com/) incluye navegación intuitiva, guías, tutoriales y referencia de API. Feedback de la comunidad: foro de LangChain (https://forum.langchain.com/). Se puede suscribir al newsletter.

[girr311]

Oh, salió la versión 1.0.

[aer0700]

A partir de la 1.0, ¿por fin se estabilizará un poco la API...?
Ojalá no salga enseguida otra 2.0 y no haya que ponerse a hurgar otra vez en la guía de migración.
Con LangChain no tengo quejas sobre la funcionalidad en sí, pero que rompan la compatibilidad hacia atrás siempre da inseguridad y es una molestia.

[brainer]

Bueno... en el tema de la IA, como de por sí es más fácil reescribir todo desde cero, eso lo paso por alto, pero lo que más me molesta es que los LLM no conocen bien la sintaxis más reciente jajaja (aunque usando algo como MCP se soluciona hasta cierto punto).