🧠 Agente Virtual com IA (LangChain + LangGraph + GPT-4o/LLaMA3)
Este projeto apresenta a implementação de um agente virtual full-stack, pronto para produção, utilizando as tecnologias mais avançadas do ecossistema de inteligência artificial. Por meio da integração de ferramentas modernas para orquestração de agentes, modelos de linguagem de última geração e APIs de busca em tempo real, esta solução demonstra robustez, escalabilidade e eficiência para aplicações inteligentes.
🛠️ Tecnologias Utilizadas
Este projeto demonstra como construir um chatbot inteligente com:
- LangChain e LangGraph para orquestração de agentes
- Groq (LLaMA-3) ou OpenAI GPT-4o como modelo de linguagem (LLM)
- Tavily Search API para buscas em tempo real na web
- FastAPI como backend
- Streamlit como frontend web interativo
🚀 Funcionalidades
- 🧠 Raciocínio multiagente com LangGraph e LangChain
- 🗂 LLM com contexto, usando GPT-4o ou LLaMA-3 (via Groq)
- 🌐 Busca em tempo real com Tavily
- 🖥️ Interface de chat responsiva com Streamlit
- ⚡ Backend assíncrono e rápido com FastAPI
- 🛠️ Estrutura full-stack escalável e pronta para produção
🛠️ Tecnologias Utilizadas
| Camada | Tecnologia |
|---|---|
| LLM | OpenAI GPT-4o ou Groq LLaMA-3 |
| Orquestração | LangChain, LangGraph |
| Busca Web | Tavily API |
| Backend | FastAPI |
| Frontend | Streamlit |
📦 Instalação
1. Clone o Repositório
git clone https://github.com/alevtelles/Agente-virtual-com-IA
cd Agente-virtual-com-IA
2. Instale as Dependências
Recomenda-se o uso de um ambiente virtual:
python -m venv venv
source venv/bin/activate # ou venv\Scripts\activate no Windows
pip install -r requirements.txt
3. Configure as Variáveis de Ambiente
Crie um arquivo .env na raiz do projeto com:
OPENAI_API_KEY=sua_chave_openai
GROQ_API_KEY=sua_chave_groq
TAVILY_API_KEY=sua_chave_tavily
▶️ Executando a Aplicação
Inicie o Backend com FastAPI
uvicorn app.api:app --reload
Inicie o Frontend com Streamlit
streamlit run frontend/app.py
📚 O Que Você Vai Aprender
✅ Como configurar uma arquitetura multiagente com LangGraph ✅ Como usar e alternar entre GPT-4o e LLaMA3 ✅ Como integrar buscas em tempo real com Tavily ✅ Como criar uma API escalável com FastAPI ✅ Como construir uma interface de chat moderna com Streamlit
💡 Casos de Uso
- Assistentes de atendimento ao cliente
- Bots de pesquisa com IA
- Análise de mercado com busca em tempo real
- Resumos de notícias ao vivo
- Copilotos pessoais com IA
📁 Estrutura do Projeto
chatbot-agentic-ia/
├── app/
│ ├── agents/ # Configuração dos agentes (LangChain + LangGraph)
│ ├── api.py # Backend FastAPI
│ ├── chains/ # Cadeias e ferramentas LangChain
│ └── utils.py # Utilitários e configurações
├── frontend/
│ └── app.py # Frontend com Streamlit
├── .env # Variáveis de ambiente (chaves)
├── requirements.txt
└── README.md