Uma camada de memória para agentes e apps de IA que armazena e recupera contexto de usuários, sessões e agentes entre conversas.
langchain-ai/langmem
Uma biblioteca Python que dá memória de longo prazo a agentes LangGraph: extrai informações importantes das conversas, gerencia ferramentas de memória e consolida memórias em segundo plano.
- Estrelas
- 1,715
- Forks
- 201
- Issues abertas
- 76
- Último commit
- há 18 dias
O que é?
LangMem ajuda agentes de IA a aprender com as interações ao longo do tempo. A biblioteca extrai informações importantes das conversas, aprimora o comportamento dos agentes por meio da otimização de prompts e mantém memórias de longo prazo entre sessões.
A biblioteca oferece primitivas funcionais compatíveis com qualquer sistema de armazenamento, além de integração nativa com o Long-term Memory Store do LangGraph. Durante conversas ativas, os agentes podem registrar e buscar memórias por meio de ferramentas de memória, ou um gerenciador de memória em segundo plano pode extrair, consolidar e atualizar conhecimentos automaticamente.
O guia de início rápido do README mostra um agente criado com create_react_agent do LangGraph, usando InMemoryStore no desenvolvimento. A documentação observa que implantações em produção devem usar um armazenamento com suporte a banco de dados, como AsyncPostgresStore, para que as memórias persistam após reinicializações.
Recursos principais
- 01API central de memória compatível com qualquer sistema de armazenamento
- 02Ferramentas de memória que permitem aos agentes registrar e buscar informações durante as conversas
- 03Gerenciador de memória em segundo plano que extrai, consolida e atualiza conhecimentos
- 04Integração nativa com o Long-term Memory Store do LangGraph
Casos de uso
- Criar chatbots que se lembram das preferências dos usuários entre sessões
- Personalizar respostas com base em conversas anteriores
- Adicionar memória persistente a agentes LangGraph existentes
Início rápido
- 1
Instale o pacote
pip install -U langmem - 2
Configure a chave de API do seu provedor de LLM
export ANTHROPIC_API_KEY="sk-..." - 3
Crie um agente com ferramentas de memória e execute-o (consulte o exemplo no README)
Antes de usar
- Requer uma chave de API de um provedor de LLM, como Anthropic ou OpenAI.
- O armazenamento de exemplo fica na memória e perde os dados ao reiniciar; para produção, é necessário um armazenamento com suporte de banco de dados.
- É baseado no LangGraph, então funciona melhor se você já usa essa stack.
Tópicos
Perguntas frequentes
- O que é langmem?
- Uma biblioteca Python que dá memória de longo prazo a agentes LangGraph: extrai informações importantes das conversas, gerencia ferramentas de memória e consolida memórias em segundo plano. LangMem ajuda agentes de IA a aprender com as interações ao longo do tempo. A biblioteca extrai informações importantes das conversas, aprimora o comportamento dos agentes por meio da otimização de prompts e mantém memórias de longo prazo entre sessões.
- langmem é gratuito? Qual é a licença?
- langmem é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- langmem ainda é mantido?
- Manutenção ativa. O último commit de langmem foi em 2 de out. de 2026.
- Para que posso usar langmem?
- Criar chatbots que se lembram das preferências dos usuários entre sessões Personalizar respostas com base em conversas anteriores Adicionar memória persistente a agentes LangGraph existentes
- Como instalar langmem?
- Instale o pacote: pip install -U langmem Configure a chave de API do seu provedor de LLM: export ANTHROPIC_API_KEY="sk-..." Crie um agente com ferramentas de memória e execute-o (consulte o exemplo no README)
- Onde consigo langmem?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/langchain-ai/langmem
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Sistema de memória para agentes que armazena, recupera e reflete sobre memórias para que agentes de IA aprendam com o tempo, em vez de apenas reproduzir o histórico de conversas.
SDKs para TypeScript e Python que dão a agentes de IA acesso a mais de 1.000 toolkits de apps pré-autenticados, sessões por usuário e um sandbox para executar ações.
Framework leve em Python para criar fluxos de trabalho multiagente com ferramentas, transferências, guardrails, sessões e tracing, compatível com OpenAI e mais de 100 LLMs.
Uma biblioteca Python minimalista para criar agentes de IA que escrevem e executam suas ações como código Python.
Framework Python para criar servidores MCP, clientes e apps interativos que conectam LLMs a ferramentas e dados.