Sber desenvolve o GigaChain sem fork do LangChain e aposta em um pacote de compatibilidade

O Sber explicou como constrói um ecossistema open source em torno do GigaChat e por que abandonou o fork do LangChain em favor de um pacote de compatibilidade separado. A mudança simplificou o desenvolvimento de agentes de IA dentro da empresa e deixou o stack mais claro para equipes externas.

Por que a abordagem mudou

O GigaChain surgiu quando o Sber precisou de uma ferramenta única para desenvolver com o GigaChat, tanto para equipes internas quanto para desenvolvedores externos. Em vez de escrever tudo do zero, a equipe decidiu se apoiar em open source já existente.

A base escolhida foi o LangChain: era o framework mais visível para sistemas de agentes, funcionava com vários modelos e não prendia os desenvolvedores a um único fornecedor. Para uma grande empresa, a escolha significava menos risco, largada mais rápida e um mercado de especialistas mais claro.

Na primeira etapa, a equipe de fato seguiu pelo caminho do fork. O motivo era prático: a era do prompt engineering estava apenas ganhando força, e no LangChain muitos prompts estavam fixados em inglês no código. Para o GigaChat, mais bem adaptado ao russo, isso criava restrições desnecessárias. Outro problema era que, no projeto principal, era difícil aprovar rapidamente suporte multilíngue completo e integração com fornecedores.

Mas, bem depressa, a abordagem ficou cara demais de manter.

"Éramos obrigados a puxar para o nosso lado de 100 a 200 mudanças que

surgiam no projeto principal literalmente toda semana."

Quando o LangChain começou a mudar rapidamente e a migrar para uma arquitetura modular, o Sber abandonou o fork e montou seu próprio pacote de compatibilidade. Agora o cenário recomendado é este: o desenvolvedor instala o LangChain puro e adiciona o pacote de integração com o GigaChat.

Essa solução se mostrou mais estável: mesmo depois que o pacote saiu da documentação oficial do LangChain, para os usuários quase nada mudou. Na prática, a equipe manteve a compatibilidade com o padrão de mercado sem ficar presa a uma sincronização interminável de código alheio.

O que o Sber está construindo

Em torno do GigaChat, a equipe desenvolve não um único SDK, mas todo um ecossistema aberto. O objetivo não é apenas dar acesso por API ao modelo, mas encurtar o caminho até um agente de IA funcional. Segundo a equipe, uma parte significativa dos projetos internos de agentes do Sber já se apoia nesse stack, e desenvolvedores externos o usam cada vez mais.

Um sinal de demanda é a biblioteca Python para trabalhar com a API do GigaChat: de acordo com o ClickPy, ela está entre os 1,5% de pacotes mais baixados do PyPI em downloads mensais.

• Biblioteca Python para integração com a API do GigaChat
• pacote de compatibilidade com o LangChain no lugar de um fork próprio
• agente autônomo aberto GigaAgent
• documentação, exemplos de integração e guias práticos
• webinars, artigos e demonstrações em conferências

O GigaAgent tem um papel à parte. A equipe não o criou como um projeto de demonstração de laboratório, mas o aperfeiçoou com o retorno de engenheiros e do negócio. Em dezenas de conferências ao longo de 2025, os desenvolvedores mostraram o agente ao vivo e coletaram observações: onde são necessários REPL e ferramentas, onde a execução local é crítica e onde a modularidade pesa mais. As empresas, por sua vez, empurraram para cenários aplicados: análise de dados, preparação de apresentações e trabalho com fontes corporativas.

O que o open source oferece

Para o Sber, a abordagem aberta resolve vários problemas ao mesmo tempo. Primeiro, fica mais fácil contratar: se o stack é construído em torno do LangChain e de bibliotecas compatíveis, a empresa não precisa procurar pessoas para uma plataforma interna totalmente única. Segundo, cai a barreira para migrar soluções de agentes já existentes para o GigaChat. A ideia é simples: se o desenvolvedor já montou um agente em um framework popular, deve ser mais fácil adaptá-lo a um modelo russo sem reescrever tudo.

Há ainda um terceiro efeito: a ajuda da comunidade. A equipe citou o exemplo do LlamaIndex: inicialmente, o Sber não oferecia suporte a esse framework por falta de recursos, mas depois um desenvolvedor externo enviou um pull request com suporte ao GigaChat com base em uma biblioteca já existente. Com isso, o ecossistema ganhou integração com mais um stack popular quase sem custo interno.

A política de licenças continua a mais simples possível: nos próprios projetos, a equipe costuma escolher MIT e acompanha de perto as licenças e o comportamento de maintainers externos.

Para o Sber, a comunicação em torno do open source não é uma atividade secundária, mas parte do produto. A equipe responde no GitHub, mantém a documentação, publica artigos, administra canais no Telegram, realiza webinars e participa de conferências do setor. Só em 2025, foram mais de 15 apresentações externas. Nesse modelo, o conteúdo não serve para PR, mas para encurtar o tempo entre um lançamento, o feedback e a próxima iteração do produto.

O que isso significa

A história do GigaChain mostra que, para os stacks corporativos de IA, hoje importa mais a compatibilidade com as principais ferramentas open source do mercado do que ter um fork próprio a qualquer custo. Se o Sber mantiver esse rumo, o GigaChat poderá fortalecer de forma notável sua posição no desenvolvimento de sistemas de agentes em russo e em cenários corporativos, nos quais a velocidade de adoção e o acesso a um stack conhecido muitas vezes pesam mais do que o exotismo tecnológico.