Sber Desarrolla GigaChain Sin Hacer Fork de LangChain, Apostando por un Paquete de Compatibilidad

Sber comparte cómo está construyendo un ecosistema de código abierto alrededor de GigaChat y por qué optó por no hacer un fork de LangChain en favor de un paquete de compatibilidad separado. Este cambio ha simplificado el desarrollo de agentes de IA dentro de la empresa y ha hecho que la stack sea más comprensible para los equipos externos.

Por qué cambiaron el enfoque

GigaChain surgió cuando Sber necesitaba una herramienta unificada para desarrollar con GigaChat — tanto para equipos internos como para desarrolladores externos. En lugar de construir todo desde cero, el equipo decidió aprovechar una base de código abierto existente. LangChain fue elegido como la base: era el framework más prominente para sistemas de agentes, capaz de trabajar con diferentes modelos sin vincular a los desarrolladores a un único proveedor. Para una empresa grande, esta elección significaba menos riesgo, implementación más rápida y un mercado de talentos más familiar.

Inicialmente, el equipo realmente persiguió un enfoque de fork. La razón era práctica: la era de la ingeniería de prompts estaba apenas comenzando, y LangChain tenía numerosos prompts codificados en inglés. Para GigaChat, que estaba mejor adaptado al idioma ruso, esto creaba restricciones innecesarias. Un desafío adicional era que implementar un multilingüismo completo e integración con proveedores dentro del proyecto principal era difícil de lograr rápidamente.

Pero este enfoque pronto se volvió demasiado costoso de mantener.

"Fuimos obligados a tirar de 100-200 cambios que aparecían en el

proyecto principal literalmente cada semana."

Cuando LangChain comenzó a cambiar rápidamente y hacer la transición a una arquitectura modular, Sber abandonó el fork y construyó su propio paquete de compatibilidad. Ahora el escenario recomendado funciona así: un desarrollador instala LangChain limpio y agrega el paquete de integración de GigaChat. Este enfoque resultó más sostenible: incluso después de que el paquete desapareciera de la documentación oficial de LangChain, los usuarios casi no experimentaron ningún cambio. Efectivamente, el equipo mantuvo compatibilidad con el estándar de mercado sin quedarse atrapado en una sincronización infinita de código externo.

Qué está construyendo Sber

Alrededor de GigaChat, el equipo está desarrollando no solo un SDK, sino un ecosistema abierto completo. Su objetivo no es solo proporcionar acceso a la API del modelo, sino también acortar el camino a un agente de IA funcional. Según el equipo, una parte significativa de los proyectos de agentes internos de Sber ya se basa en esta stack, y los desarrolladores externos la utilizan cada vez más. Una señal separada de demanda es la biblioteca Python para trabajar con la API de GigaChat: según datos de ClickPy, se encuentra entre el 1,5% superior de paquetes más descargados en PyPI por descargas mensuales.

• Biblioteca Python para integración con GigaChat API
• paquete de compatibilidad con LangChain en lugar de su propio fork
• agente autónomo abierto GigaAgent
• documentación, ejemplos de integración y guías prácticas
• seminarios web, artículos y demostraciones en conferencias

GigaAgent juega un papel especial aquí. El equipo no lo construyó como un proyecto de demostración de laboratorio, sino que lo refinó basándose en comentarios de ingenieros y equipos de negocio. A lo largo de 2025, en docenas de conferencias, los desarrolladores demostraron el agente en vivo y recopilaron comentarios: dónde se necesitaban REPL y herramientas, dónde la ejecución local era crítica y dónde la modularidad importaba más. El negocio, a su vez, impulsaba escenarios prácticos — análisis de datos, preparación de presentaciones y trabajo con fuentes de datos corporativas.

Lo que proporciona el código abierto

Para Sber, el enfoque abierto resuelve varios problemas a la vez. Primero, es más simple contratar especialistas: si la stack se construye alrededor de LangChain y bibliotecas compatibles, la empresa no necesita buscar personas para una plataforma interna completamente única. Segundo, la barrera para migrar soluciones de agentes existentes a GigaChat se reduce. La idea es simple: si un desarrollador ya ha construido un agente en un framework popular, debería ser más fácil adaptarlo al modelo ruso sin una reescritura completa.

Hay un tercer efecto — ayuda de la comunidad. El equipo dio un ejemplo con LlamaIndex: inicialmente, Sber no apoyaba este framework debido a recursos limitados, pero más tarde un desarrollador externo envió un pull request con soporte para GigaChat basado en una biblioteca ya existente. Como resultado, el ecosistema ganó integración con otra stack popular a casi ningún costo interno.

La política de licencia permanece tan simple como es posible: para sus proyectos, el equipo típicamente elige MIT y monitorea cuidadosamente las licencias y el comportamiento de los mantenedores externos.

Para Sber, la comunicación alrededor del código abierto no es una actividad secundaria sino parte del producto. El equipo responde en GitHub, mantiene la documentación, publica artículos, gestiona canales de Telegram, realiza webinarios y aparece en conferencias especializadas. Solo en 2025, ha realizado más de 15 presentaciones externas.

En este modelo, el contenido es necesario no con fines de relaciones públicas sino para reducir el tiempo entre lanzamiento, comentarios e iteración del producto.

Qué significa esto

La historia de GigaChain demuestra que para stacks de IA corporativas hoy, lo que importa más que un fork a cualquier costo es la compatibilidad con herramientas de código abierto convencionales en el mercado. Si Sber continúa en este camino, GigaChat puede fortalecer significativamente su posición en el desarrollo de sistemas de agentes en idioma ruso y en escenarios corporativos, donde la velocidad de implementación y el acceso a una stack familiar a menudo importan más que la exoticidad tecnológica.