[Projeto] estudo de caso completo criando um assistente de viagens com LangChain + LangGraph

1️ Explicação da arquitetura
2️ Script ( mainLangGraphPy.py)
3️ Como funciona o fluxo
4️ Como testar

1️ arquitetura
Roteador → Decida se o usuário quer praia ou montanha
Consultor de Praia → Especialista em destinos litorâneos
Consultor de Montanha → Especialista em destinos de altitude
LangGraph → Orquestra do fluxo de decisão
Fluxo: Usuário → Roteador → (Praia ou Montanha) → Resposta Final

2️ Script ( mainLangGraphPy.py)

# mainLangGraphPy.py

import os
import asyncio
from typing import TypedDict, Literal
from dotenv import load_dotenv

from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

from langgraph.graph import StateGraph, START, END

# ==============================
# 1. CONFIGURAÇÃO
# ==============================

load_dotenv()
api_key = os.getenv("OPENAI_API_KEY")

modelo = ChatOpenAI(
    model="gpt-4o-mini",
    temperature=0.5,
    api_key=api_key
)

parser = StrOutputParser()

# ==============================
# 2. PROMPTS DOS ASSISTENTES
# ==============================

prompt_roteador = ChatPromptTemplate.from_messages([
    ("system", "Você é um roteador inteligente. "
               "Analise a pergunta do usuário e responda apenas com: "
               "'praia' ou 'montanha'."),
    ("human", "{pergunta}")
])

prompt_praia = ChatPromptTemplate.from_messages([
    ("system", "Você é um consultor especialista em destinos de PRAIA no Brasil."),
    ("human", "{pergunta}")
])

prompt_montanha = ChatPromptTemplate.from_messages([
    ("system", "Você é um consultor especialista em destinos de MONTANHA no Brasil."),
    ("human", "{pergunta}")
])

# Cadeias individuais
cadeia_roteador = prompt_roteador | modelo | parser
cadeia_praia = prompt_praia | modelo | parser
cadeia_montanha = prompt_montanha | modelo | parser

# ==============================
# 3. ESTADO DO GRAFO
# ==============================

class Estado(TypedDict):
    pergunta: str
    destino: str
    resposta: str

# ==============================
# 4. NÓS ASSÍNCRONOS
# ==============================

async def no_roteador(estado: Estado):
    destino = await cadeia_roteador.ainvoke({
        "pergunta": estado["pergunta"]
    })
    return {"destino": destino.strip().lower()}

async def no_praia(estado: Estado):
    resposta = await cadeia_praia.ainvoke({
        "pergunta": estado["pergunta"]
    })
    return {"resposta": resposta}

async def no_montanha(estado: Estado):
    resposta = await cadeia_montanha.ainvoke({
        "pergunta": estado["pergunta"]
    })
    return {"resposta": resposta}

# Função de decisão
def escolher_destino(estado: Estado) -> Literal["praia", "montanha"]:
    if "praia" in estado["destino"]:
        return "praia"
    return "montanha"

# ==============================
# 5. CONSTRUÇÃO DO GRAFO
# ==============================

grafo = StateGraph(Estado)

grafo.add_node("roteador", no_roteador)
grafo.add_node("praia", no_praia)
grafo.add_node("montanha", no_montanha)

grafo.add_edge(START, "roteador")
grafo.add_conditional_edges("roteador", escolher_destino)

grafo.add_edge("praia", END)
grafo.add_edge("montanha", END)

app = grafo.compile()

# ==============================
# 6. EXECUÇÃO
# ==============================

async def executar():
    pergunta_usuario = input("Digite sua pergunta: ")

    resultado = await app.ainvoke({
        "pergunta": pergunta_usuario
    })

    print("\nResposta do Assistente:")
    print(resultado["resposta"])

if __name__ == "__main__":
    asyncio.run(executar())

3️ Como funciona o fluxo

a Usuário faz pergunta
Exemplo: Quero viajar para um lugar com praias bonitas.

2️ Rotador classifica cano: praia

3️ Direção LangGraph Vai para o nó praia.

4️ Assistente responde Sugira destinos como:
Florianópolis
Porto de Galinhas
Jericoacoara

4️ Como testar
1️ Criar ambiente virtual
python -m venv langgraph
2️ Instalar dependências
pip install langchain langgraph langchain-openai python-dotenv
3️ Criar arquivo.env
OPENAI_API_KEY="SUA_CHAVE_AQUI"
4️ Executor
python mainLangGraphPy.py

Resultado
Você terá um sistema com:
Rotação inteligente
Assistentes especializados
Arquitetura baseada em grafite
Execução assíncrona
Separação clara de responsabilidades