> ## Documentation Index
> Fetch the complete documentation index at: https://docs.niadra.com/llms.txt
> Use this file to discover all available pages before exploring further.

# LangGraph

> A memória do cliente num agente LangGraph, como middleware de create_agent, sem nada no estado do grafo.

`NiadraMiddleware` embrulha cada chamada ao modelo do agente criado por `langchain.agents.create_agent`: o contexto entra na mensagem de sistema, os turnos são registrados e as ferramentas do histórico vêm junto. Só em Python; em JavaScript, o LangGraph.js usa `withNiadraContext()` de [LangChain](/integrations/langchain).

## Instalar

```sh theme={null}
pip install 'niadra[langgraph]'   # langgraph 1.2, langchain 1.4 e langchain-core 1.6 ou mais novos, abaixo da 2
```

## As cinco primitivas

| Primitiva   | Como o adaptador liga                                                                                                                                                                                                         |
| ----------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Contexto    | O contexto é acrescentado à mensagem de sistema, o que deixa as suas instruções primeiro, e o `turn_block` vai depois das mensagens. Nada é escrito no estado do grafo: o checkpointer nunca guarda um contexto               |
| Turnos      | As mensagens do cliente são registradas antes da chamada, chaveadas pela posição na conversa (o histórico que o checkpointer repete nunca é registrado duas vezes); a resposta do modelo, com o `usage_metadata`, depois dela |
| Ferramentas | O middleware traz as ferramentas do histórico (e as da memória do agente) como `tools` próprias, então `create_agent` as oferece sem você listar                                                                              |
| Verificação | `conversation.verify()` antes de invocar o agente                                                                                                                                                                             |
| Transbordo  | `transferred_to_agent()` e `transferred_to_human()` registram a transferência; chame onde o grafo passa a conversa adiante                                                                                                    |

Para o `langgraph.prebuilt.create_react_agent` mais antigo, passe `pre_model_hook=pre_model_hook(conversation)`: ele entrega ao modelo as mesmas mensagens por `llm_input_messages`, também sem tocar no estado; registre os turnos com o `NiadraCallbackHandler` de `niadra.integrations.langchain`.

## Exemplo mínimo

```python theme={null}
"""A LangGraph agent (langchain.agents.create_agent) with the customer's memory as middleware."""

import asyncio

from langchain.agents import create_agent

from niadra import AsyncNiadra, phone
from niadra.integrations.langgraph import NiadraMiddleware

niadra = AsyncNiadra(channel="chat")


async def main() -> None:
    async with niadra.conversation("thread-81", subject=phone("+5511912345678")) as conversation:
        agent = create_agent(
            "openai:gpt-4.1",
            system_prompt="You are Acme's agent.",
            middleware=[NiadraMiddleware(conversation)],
        )
        result = await agent.ainvoke(
            {"messages": [{"role": "user", "content": "Where is my replacement lid?"}]}
        )
        print(result["messages"][-1].content)
    await niadra.close()


asyncio.run(main())
```

O mesmo código está em `examples/langgraph_agent.py`.

## Memória do agente

`NiadraMiddleware(conversation, agent_memory=True)` põe as notas do próprio agente logo antes do contexto do cliente e acrescenta `search_agent_memory` (e `remember`, com `write`) às ferramentas. Veja [Memória do agente](/concepts/agent-memory).

## Limites

* Sem `BaseStore` próprio: a Niadra não é o armazenamento de estado do grafo.
* Sem nó próprio para o LangGraph.js: `withNiadraContext()` de `@niadra/sdk/langchain` já dá ao nó do modelo o contexto sem escrevê-lo no estado do grafo que o checkpointer guarda.
* Nada aqui derruba o agente: com a Niadra lenta ou fora, a chamada ao modelo segue sem o contexto.
* Testado contra `langgraph` 1.2 e `langchain` 1.4 com um chat model falso e a Niadra no emulador.

## Próximos passos

<CardGroup cols={2}>
  <Card title="LangChain" href="/integrations/langchain">
    o runnable e o callback handler, em Python e em JavaScript.
  </Card>

  <Card title="Agentes internos" href="/guides/internal-agents">
    tarefas, objetos e ações que fecham pendências.
  </Card>
</CardGroup>