{}Construir um chatbot que responde a uma pergunta é uma coisa. Construir um agente que planeja tarefas, chama ferramentas, mantém contexto entre passos e sabe pedir ajuda a um humano quando trava é outra bem diferente. É aí que entram os frameworks de agentes de IA — camadas de software que cuidam da orquestração para você não reinventar a roda a cada projeto. Dois nomes dominam a conversa hoje: o Microsoft Agent Framework e o LangGraph. Vamos entender cada um e, principalmente, quando usar qual.
Um agente de IA é um sistema em que um modelo de linguagem (LLM) decide, em ciclos, quais ações tomar: consultar uma API, ler um documento, chamar outro agente ou responder ao usuário. O desafio não é o modelo em si, e sim tudo ao redor: manter o estado da conversa, permitir que o processo pause e retome, orquestrar vários agentes e garantir que dá para observar e depurar o que acontece.
Frameworks de agentes existem para resolver a parte chata e crítica: estado, persistência, orquestração e observabilidade — não a “mágica” do LLM.
Aqui é preciso cuidado com os nomes, porque a Microsoft tinha dois projetos separados. O Semantic Kernel trazia fundações voltadas a empresas, e o AutoGen, nascido na Microsoft Research, era mais experimental e focado em orquestração de múltiplos agentes. O Microsoft Agent Framework é a fusão dos dois em um único SDK. Ele foi anunciado em versão preview em outubro de 2025 e chegou à versão 1.0, considerada pronta para produção, em 3 de abril de 2026, com APIs estáveis e compromisso de suporte de longo prazo.
É um projeto open source (licença MIT) disponível para .NET (pacote NuGet Microsoft.Agents.AI) e Python (pacote PyPI agent-framework). Entre os recursos que a Microsoft destaca:
A Microsoft posiciona o Agent Framework como o sucessor de Semantic Kernel e AutoGen, recomenda-o como padrão para novos projetos e publicou guias oficiais de migração a partir dos dois antecessores.
O LangGraph, do ecossistema LangChain, se descreve como um “framework e runtime de orquestração de baixo nível” para agentes com estado e execução longa. A palavra-chave aqui é estado. Em LangGraph você define primeiro um esquema de estado tipado; cada nó do grafo recebe esse estado e devolve uma atualização parcial. Os conceitos centrais são:
LangGraph roda em Python e JavaScript e integra-se ao restante do ecossistema: o LangChain oferece abstrações de mais alto nível, e o LangSmith cuida de observabilidade, avaliação e rastreamento. A LangChain cita empresas como Klarna, Uber e J.P. Morgan entre os usuários. É o framework preferido de quem quer controle fino e explícito sobre cada passo do agente.
A verdade é que, em recursos, os dois convergiram bastante. Ambos oferecem hoje workflows baseados em grafos, nós e arestas tipados, checkpointing, interrupção para humano no circuito, orquestração multiagente e suporte a MCP. A tabela de funcionalidades é quase idêntica. A diferença real está na filosofia e no ecossistema.
LangGraph pede que você pense em termos de grafo e estado desde o primeiro momento; o Agent Framework parte do conceito de agentes e workflows e se encaixa naturalmente no mundo Microsoft.
Não existe vencedor universal. Se o seu mundo é .NET e Azure, o Microsoft Agent Framework é a aposta mais natural e recém-amadurecida. Se você valoriza controle de baixo nível, ciclos explícitos e já investe no ecossistema LangChain, o LangGraph continua sendo uma escolha sólida. O melhor conselho é começar pequeno: modele um fluxo real, avalie a curva de aprendizado e a observabilidade, e deixe o caso de uso decidir.
IA{}Como o Microsoft Agent Framework coordena vários agentes de IA em pipelines sequenciais e grafos dirigidos, com exemplos reais em C# usando o SDK Microsoft.Agents.AI.
IA{}A tese de um field guide da Anthropic sobre o Claude Fable 5: o gargalo da produtividade com agentes de código raramente é o modelo — é aquilo que você não sabe que não sabe. O método de descoberta, etapa a etapa.