A distinção é importante porque cada camada resolve um problema diferente: um modelo executa inferência; um framework coordena componentes; uma biblioteca oferece implementações reutilizáveis; uma plataforma opera e disponibiliza capacidades em escala.

Frameworks de aplicação e agentes

LangChain

Framework para desenvolver aplicações e agentes apoiados por modelos, ferramentas, prompts e integrações.

LangGraph

Framework de orquestração de baixo nível para agentes e workflows stateful, com recursos como execução durável, streaming, persistência, memória e human-in-the-loop.

O LangGraph pode ser usado independentemente do LangChain, embora os agentes de LangChain usem LangGraph como base de execução.

Bibliotecas

Exemplos:

  • scikit-learn — biblioteca de Machine Learning clássico;
  • PyTorch — framework/biblioteca para computação tensorial e redes neurais;
  • TensorFlow — plataforma e biblioteca para desenvolvimento de Machine Learning;
  • Hugging Face Transformers — framework de definição e uso de arquiteturas/modelos de texto, visão, áudio, vídeo e multimodais.

Uma biblioteca pode implementar modelos. Isso não transforma a biblioteca em um modelo.

Plataformas

Exemplos:

  • Amazon Bedrock;
  • Amazon SageMaker AI;
  • Vertex AI;
  • Azure AI Foundry.

Esses ambientes podem disponibilizar modelos, APIs, avaliação, deployment, monitoramento e outros serviços.

Regra editorial da Universidade IA

Quando uma nova tecnologia entrar no acervo, primeiro responder:

  1. Ela aprende ou executa inferência? Pode ser um modelo.
  2. Ela define como treinar um modelo? Pode ser algoritmo ou biblioteca.
  3. Ela coordena modelos, ferramentas e estado? Provavelmente é framework.
  4. Ela hospeda, disponibiliza ou governa esses componentes? Provavelmente é plataforma.

Essa regra evita colocar LangChain ao lado de LightGBM ou Claude como se fossem entidades da mesma camada.

Conteúdos relacionados

Como aprofundar

  • Pergunta: quais critérios distinguem framework, biblioteca, runtime e plataforma em ferramentas contemporâneas de IA?
    • Fonte ou método: documentação oficial, arquitetura do produto e responsabilidades operacionais.
    • Por que importa: várias tecnologias acumulam mais de um papel e não cabem em rótulos simplistas.
  • Pergunta: quais frameworks de agentes merecem comparação própria?
    • Fonte ou método: executar AM-021 usando dimensões como state, workflow, tool use, memory, multi-agent, human-in-the-loop e deployment.
    • Por que importa: permite comparar função arquitetural, não popularidade.
  • Pergunta: quando uma ferramenta deve ganhar página individual?
    • Fonte ou método: aplicar a política editorial prevista na AM-026: relevância durável, uso recorrente, complexidade conceitual e necessidade de manutenção.
    • Por que importa: evita que a Universidade IA vire catálogo de produtos.

Fontes e caminhos de aprofundamento

Consultadas diretamente

Sugeridas para investigação

  • Documentação oficial de frameworks e plataformas adicionais quando entrarem no inventário da AM-026.
  • Critérios de interoperabilidade, observabilidade e lock-in quando a comparação avançar de taxonomia para arquitetura.

Estado editorial: em evolução; nomes e responsabilidades de ferramentas mudam com frequência e devem ser revistos quando houver mudança material de posicionamento.

Última revisão: 2026-09-21