Sber Desenvolve GigaChain Sem Fazer Fork do LangChain, Apostando em Pacote de Compatibilidade

Sber compartilha como está construindo um ecossistema open source em torno do GigaChat e por que optou por não fazer um fork do LangChain em favor de um pacote de compatibilidade separado. Essa mudança simplificou o desenvolvimento de agentes de IA dentro da empresa e deixou a stack mais compreensível para equipes externas.

Por que mudaram a abordagem

GigaChain surgiu quando Sber precisava de uma ferramenta unificada para desenvolver com GigaChat — tanto para equipes internas quanto para desenvolvedores externos. Em vez de construir tudo do zero, a equipe decidiu aproveitar uma base open source existente. LangChain foi escolhido como a base: era o framework mais proeminente para sistemas de agentes, capaz de trabalhar com diferentes modelos sem prender os desenvolvedores a um único fornecedor. Para uma empresa grande, essa escolha significava menos risco, implementação mais rápida e um mercado de talentos mais familiar.

Inicialmente, a equipe realmente tentou a abordagem do fork. A razão era prática: a era da engenharia de prompts estava apenas começando, e LangChain tinha inúmeros prompts codificados em inglês. Para GigaChat, que era melhor adaptado ao idioma russo, isso criava restrições desnecessárias. Um desafio adicional era que implementar multilíngue completo e integração com fornecedores dentro do projeto principal era difícil de conseguir rapidamente.

Mas essa abordagem logo se tornou muito cara de manter.

"Fomos forçados a puxar de 100 a 200 mudanças que apareciam no projeto

principal literalmente toda semana."

Quando LangChain começou a mudar rapidamente e fazer a transição para uma arquitetura modular, Sber abandonou o fork e construiu seu próprio pacote de compatibilidade. Agora o cenário recomendado funciona assim: um desenvolvedor instala o LangChain limpo e adiciona o pacote de integração do GigaChat. Essa abordagem se mostrou mais sustentável: mesmo depois que o pacote desapareceu da documentação oficial do LangChain, os usuários quase não sentiram mudança alguma. Efetivamente, a equipe manteve compatibilidade com o padrão de mercado sem ficar presa em sincronização infinita de código externo.

O que Sber está construindo

Em torno do GigaChat, a equipe está desenvolvendo não apenas um SDK, mas um ecossistema aberto completo. Seu objetivo não é apenas fornecer acesso à API do modelo, mas também encurtar o caminho para um agente de IA funcional. De acordo com a equipe, uma parte significativa dos projetos de agentes internos da Sber já confia nessa stack, e desenvolvedores externos estão usando cada vez mais. Um sinal separado de demanda é a biblioteca Python para trabalhar com a API do GigaChat: segundo dados do ClickPy, ela está entre os 1,5% mais baixados pacotes no PyPI por downloads mensais.

• Biblioteca Python para integração com GigaChat API
• pacote de compatibilidade com LangChain em vez de seu próprio fork
• agente autônomo aberto GigaAgent
• documentação, exemplos de integração e guias práticos
• webinários, artigos e demonstrações em conferências

GigaAgent desempenha um papel especial aqui. A equipe não o construiu como um projeto de demonstração de laboratório, mas sim o refiniu com base no feedback de engenheiros e equipes de negócios. Ao longo de 2025, em dezenas de conferências, os desenvolvedores demonstraram o agente ao vivo e coletaram comentários: onde REPL e ferramentas eram necessários, onde a execução local era crítica e onde a modularidade importava mais. Os negócios, por sua vez, pressionavam por cenários práticos — análise de dados, preparação de apresentações e trabalho com fontes de dados corporativos.

O que o open source fornece

Para Sber, a abordagem aberta resolve vários problemas de uma vez. Primeiro, é mais simples contratar especialistas: se a stack é construída em torno do LangChain e bibliotecas compatíveis, a empresa não precisa procurar pessoas para uma plataforma interna completamente única. Segundo, a barreira para migrar soluções de agentes existentes para GigaChat é reduzida. A ideia é simples: se um desenvolvedor já construiu um agente em um framework popular, deve ser mais fácil adaptá-lo para o modelo russo sem uma reescrita completa.

Há um terceiro efeito — ajuda da comunidade. A equipe deu um exemplo com LlamaIndex: inicialmente, Sber não suportava esse framework devido a recursos limitados, mas depois um desenvolvedor externo enviou um pull request com suporte a GigaChat baseado em uma biblioteca já existente. Como resultado, o ecossistema ganhou integração com outra stack popular a quase nenhum custo interno.

A política de licenciamento permanece o mais simples possível: para seus projetos, a equipe normalmente escolhe MIT e monitora cuidadosamente licenças e o comportamento de mantenedores externos.

Para Sber, a comunicação em torno do open source não é uma atividade lateral, mas parte do produto. A equipe responde no GitHub, mantém documentação, publica artigos, administra canais Telegram, realiza webinários e comparece em conferências especializadas. Em 2025 sozinho, fez mais de 15 apresentações externas.

Neste modelo, o conteúdo é necessário não para fins de relações públicas, mas para reduzir o tempo entre lançamento, feedback e a próxima iteração do produto.

O que isso significa

A história do GigaChain mostra que para stacks de IA corporativas hoje, o que importa mais do que um fork a qualquer custo é compatibilidade com ferramentas open source convencionais no mercado. Se Sber continuar neste caminho, GigaChat pode fortalecer significativamente sua posição no desenvolvimento de sistemas de agentes em língua russa e em cenários corporativos, onde a velocidade de implementação e o acesso a uma stack familiar frequentemente importam mais do que exoticidade tecnológica.