¿Qué es LangGraph?

Aprende qué es LangGraph, cómo se compara con LangChain, y por qué los grafos de estado son el futuro de la construcción de agentes de IA.

LangGraph es un framework para construir aplicaciones de IA basadas en estado y multi-actores. Piensa en ello como un motor de grafo donde cada paso de tu flujo de trabajo de IA es un nodo, y las conexiones entre pasos son aristas.

LangChain vs LangGraph

Aspecto	LangChain	LangGraph
Paradigma	Pipeline lineal	Grafo cíclico
Estado	Efímero (pipe-through)	Persistente, compartido
Flujo de control	Secuencial fijo	Condicional, dinámico
Bucles	No soportados	Soportados (ReAct)
Caso de uso	Prompts simples, chains	Agentes, flujos complejos

python

# LangChain: pipeline lineal
chain = prompt | llm | output_parser

# LangGraph: grafo con estado
builder = StateGraph(State)
builder.add_node("agent", agent)
builder.add_node("tools", execute_tools)
builder.add_conditional_edges("agent", should_continue, {"continue": "tools", "end": END})

¿Por qué usar un Grafo?

Los flujos de trabajo del mundo real rara vez son lineales. Un agente típico necesita:

Recibir entrada del usuario
Decidir qué hacer (¿llamar a una herramienta? ¿responder?)
Ejecutar acciones (herramientas, búsqueda, cálculo)
Repetir hasta que esté listo
Devolver la respuesta final

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

Este bucle (llamar LLM → ejecutar herramienta → llamar LLM → ...) es imposible en un pipeline lineal. LangGraph lo hace natural.

Conceptos Principales

Concepto	Descripción
`State`	Un único diccionario compartido que contiene todos los datos del flujo de trabajo
`Node`	Una función de Python que lee/escribe en el State
`Edge`	Una conexión entre nodos, que define el orden de ejecución
`Conditional Edge`	Una arista que decide el siguiente nodo basada en el State actual

ℹ️Nota

Todo en LangGraph gira en torno al State. Los nodos lo leen, lo modifican y las aristas deciden qué ocurre después en función de él.

Tu Primer Grafo

python

from langgraph.graph import StateGraph, START, END
from typing_extensions import TypedDict

class MyState(TypedDict):
    message: str

def hello_world(state: MyState) -> dict:
    return {"message": "¡Hola, LangGraph!"}

builder = StateGraph(MyState)
builder.add_node("say_hello", hello_world)
builder.add_edge(START, "say_hello")
builder.add_edge("say_hello", END)
app = builder.compile()

result = app.invoke({"message": ""})
print(result["message"])  # ¡Hola, LangGraph!

✅Éxito

¡Has construido tu primer grafo LangGraph! Este patrón, definir estado, añadir nodos, conectar aristas, compilar e invocar, es la base de todo lo que construyas.

¿Qué sigue?

En las próximas lecciones aprenderás:

Lección 2: Repaso rápido de LangChain (prompts, LLMs, chains)
Lección 3: Definir grafos de estado con esquemas tipados
Lección 4: Trabajar con nodos y aristas
Lección 5: Construir tu primer grafo funcional
Lección 6: Añadir un LLM a tu grafo
Lección 7: Dar herramientas a tu agente
Lección 8: Cadenas secuenciales y pipelines
Lección 9: Ramificación condicional
Lección 10: Proyecto final: agente de Q&A