Open Agent Kit - Build Agents in Minutes

O LangCrew é um framework de alto nível que roda sobre o LangGraph e se inspira no CrewAI. Você define agentes, tarefas e equipes com objetos de Python, e o framework cuida da orquestração entre eles. Ele aceita pipelines sequenciais, roteamento condicional e execução em paralelo, então o mesmo código cresce de uma demo de dois agentes até um fluxo real.

O pacote langcrew-tools é a caixa de ferramentas oficial, e cada ferramenta herda do BaseTool do LangChain para manter uma interface consistente. Ele cobre automação de navegador, um interpretador de código em sandbox, comandos de terminal, operações de arquivo, controle de celulares na nuvem, busca de dados, pesquisa e geração de imagens. Isso te poupa colar a mesma integração que todo projeto de agentes acaba precisando.

O LangCrew coloca os passos de aprovação dentro do framework em vez de pendurá-los depois. Você pode definir pontos de interrupção antes ou depois de uma tarefa, pausar para alguém revisar e retomar com a resposta da pessoa. Os componentes de interface bilíngues foram feitos para que esses pontos sirvam em um produto real, não só em um script.

Um protocolo Agent-UI e uma biblioteca de componentes em React transformam a execução em algo que dá para assistir. O frontend mostra como o agente planeja, agenda o trabalho, executa tarefas e chama ferramentas, passo a passo. É a diferença entre encarar logs crus e realmente ver o que a equipe está fazendo.

A memória se divide em curto prazo, longo prazo e armazenamento de entidades, com backends nativos de PostgreSQL e Redis mais busca por similaridade vetorial. As conversas seguem coerentes entre threads, e o conhecimento passa de uma sessão para outra. Para agentes que precisam lembrar contexto, isso tira bastante trabalho manual.

O framework faz streaming no nível do token e dispara eventos detalhados conforme a execução avança. Você acompanha os pensamentos do agente, as chamadas de ferramenta e os resultados intermediários na hora em que acontecem, por WebSocket ou SSE. Isso alimenta as atualizações ao vivo da interface web e também ajuda a depurar execuções longas.

A pasta de exemplos traz soluções prontas para recrutamento, estratégia de marketing, geração de conteúdo para jogos, planejamento de viagens e anúncios de emprego. Cada uma é um sistema multiagente que você pode ler, rodar e adaptar em vez de começar do zero. Elas ainda servem de referência sobre como o framework deve ser usado.

Você pode rodar a pilha inteira na sua própria máquina ou servidor. Um arquivo de Docker Compose levanta o backend e a interface de chat juntos, e a única dependência externa é a chave de API do modelo que você escolher. Para equipes que querem agentes de IA auto-hospedados e precisam manter prompts e dados dentro de casa, é uma vantagem real sobre as plataformas de agentes hospedadas.