LangChain Apresenta Middleware de Agente de IA para Desenvolvimento Personalizado de Harness de IA

Felix Pinkston 26 de mar. de 2026 15:31

LangChain introduz o sistema AgentMiddleware que permite aos desenvolvedores personalizar o comportamento do agente de IA com hooks para deteção de PII, seleção dinâmica de ferramentas e funcionalidades prontas para produção.

A LangChain lançou um sistema de middleware abrangente que permite aos desenvolvedores personalizar o comportamento do agente de IA sem reconstruir a infraestrutura principal do zero. A framework, detalhada numa publicação de blog de 26 de março de 2026, apresenta seis hooks distintos que intercetam e modificam a execução do agente em cada fase do ciclo.

A arquitetura de middleware resolve um ponto crítico persistente no desenvolvimento de agentes: a lacuna entre protótipos prontos para demonstração e sistemas de produção. Embora personalizações básicas como trocar prompts do sistema ou adicionar ferramentas tenham sido sempre simples, modificar o ciclo fundamental do agente — o que acontece antes das chamadas do modelo, como as ferramentas executam, quando os humanos intervêm — exigia código personalizado extenso.

Como Funciona o Sistema de Hooks

O AgentMiddleware expõe seis pontos de intervenção. before_agent é acionado uma vez na invocação para carregar memória ou validar entradas. before_model executa antes de cada chamada LLM, útil para aparar histórico ou capturar dados sensíveis. wrap_model_call gere cache, tentativas e vinculação dinâmica de ferramentas. wrap_tool_call faz o mesmo para a execução de ferramentas. after_model encaixa fluxos de trabalho com intervenção humana. after_agent gere limpeza e notificações.

Estes middlewares empilham. Os desenvolvedores podem sobrepor múltiplas modificações sem conflitos.

Soluções Integradas para Problemas Comuns

A LangChain fornece middleware pré-construído para padrões que continuam a aparecer em implementações de produção. O PIIMiddleware implementa hooks before_model e after_model para mascarar, redigir ou fazer hash de informações pessoalmente identificáveis — crítico para conformidade HIPAA onde não se pode simplesmente usar prompts para garantir segurança legal.

O LLMToolSelectorMiddleware resolve o inchaço de contexto ao executar um modelo rápido para identificar ferramentas relevantes de um registo antes da chamada principal, vinculando apenas o que é necessário. O SummarizationMiddleware previne transbordamento de contexto ao comprimir o histórico de mensagens quando as contagens de tokens sobem demasiado.

O ModelRetryMiddleware envolve chamadas de Nova API com lógica de repetição configurável — contagens de repetição, fatores de recuo, atrasos iniciais para limitação de taxa. O ShellToolMiddleware gere inicialização e encerramento de recursos em torno dos ciclos do agente.

Deep Agents como Prova de Conceito

A LangChain construiu Deep Agents inteiramente nesta pilha de middleware para validar a arquitetura. O harness do agente executa em create_agent, o ponto de entrada padrão da LangChain, com middleware especializado sobreposto: FilesystemMiddleware para gestão de contexto baseada em ficheiros, SubagentMiddleware para subagentes isolados por contexto, SkillsMiddleware para divulgação progressiva de capacidades.

A abordagem permite que as equipas possuam preocupações diferentes de forma independente. A lógica de negócio mantém-se desacoplada do código principal do agente. O middleware reutilizável pode espalhar-se pelas organizações sem acoplamento apertado.

O Que Isto Significa para o Desenvolvimento de Agentes

A LangChain reconhece que a melhoria das capacidades do modelo eventualmente absorverá algumas funções atuais do middleware — sumarização, seleção de ferramentas, corte de saída podem mover-se para os próprios modelos. Mas a aplicação de políticas determinísticas, barreiras de produção e lógica específica de negócio não migrarão. Essas permanecem na camada de harness.

Os desenvolvedores podem começar com create_agent para configurações mínimas ou create_deep_agent para fundações mais robustas. Contribuições de middleware personalizadas são aceites através da documentação de integração da LangChain.

• langchain
• agentes de IA
• middleware
• deep agents
• ferramentas para programadores