LangChain adiciona intérpretes aos Deep Agents — gerenciamento de código entre chamadas

LangChain apresentou suporte a intérpretes nos Deep Agents — ambientes embutidos de execução de código, onde agentes escrevem código de programa para gerenciar seu próprio trabalho.

O que isso muda

Anteriormente, o agente chamava as ferramentas diretamente e enviava os resultados de volta para o modelo. Agora há uma camada entre o agente e as ferramentas — um intérprete, onde o agente pode escrever código. Esse código é responsável por chamar as ferramentas, processar os resultados e filtrar o que vai para o contexto do modelo.

Por que isso é necessário

• Economia de contexto — o agente pode processar dados localmente, no código, em vez de enviar cada resultado intermediário para o modelo
• Lógica com estado — o intérprete armazena variáveis, cálculos intermediários, estado de execução
• Melhor controle — o agente vê erros imediatamente e pode tratá-los no código, sem uma nova rodada com o modelo
• Depuração e registro — o desenvolvedor pode ver como o agente toma decisões e coordena ferramentas

Como funciona

O agente escreve código — por exemplo, em Python. O código chama ferramentas, verifica resultados, toma decisões sobre o próximo passo. Se precisar de ajuda do modelo, o agente passa explicitamente apenas dados relevantes para o contexto. O intérprete executa o código em um ambiente isolado e retorna o resultado para o agente. O desenvolvedor pode adicionar lógica de validação de resultados, comparação de variantes, ramificação condicional — tudo o que antes exigia chamadas adicionais do modelo.

«Os intérpretes permitem que os agentes pensem e planejem em código, e não apenas em prompts de texto», — explica

LangChain na documentação.

O que isso significa

Agentes de IA estão fazendo a transição de uma cadeia simples "chamar ferramenta → resultado → contexto" para sistemas mais flexíveis, onde parte da lógica reside em código. Isso reduz a carga no modelo, melhora a previsibilidade do comportamento e abre espaço para processamento especializado. Para desenvolvedores, isso significa que os agentes se tornam mais fáceis de depurar e integrar com sistemas existentes.