LangChain API Reference

Ecosistema LangChain

El ecosistema de LangChain ha evolucionado significativamente con la llegada de la versión 1.0, adoptando una arquitectura modular que separa responsabilidades y facilita el mantenimiento a largo plazo. Este cambio no es solo cosmético: representa una maduración del framework hacia un sistema de producción estable, con soporte a largo plazo y versionado semántico.

La estrategia de diseño actual se basa en dividir funcionalidades en paquetes independientes que pueden versionarse y actualizarse por separado. Esta aproximación permite que las integraciones con proveedores externos evolucionen sin afectar al núcleo del framework, y que los desarrolladores instalen únicamente lo que necesitan, reduciendo dependencias innecesarias.

Paquetes principales

Los dos paquetes fundamentales del ecosistema son langchain-core y langchain. Entender la diferencia entre ambos es clave para trabajar eficientemente con el framework.

langchain-core: las abstracciones base

El paquete langchain-core contiene las interfaces y clases base que definen el contrato que deben cumplir todos los componentes del ecosistema. Aquí encontramos clases como BaseChatModel, BaseTool, BaseRetriever, VectorStore o Embeddings. Estas abstracciones establecen los métodos y propiedades que debe implementar cualquier integración.

Este paquete es el fundamento arquitectónico del framework. Si quisieras crear tu propia integración con un proveedor de modelos o desarrollar un framework personalizado sobre las abstracciones de LangChain, heredarías de estas clases base. Por ejemplo, todos los paquetes de integración como langchain-openai o langchain-anthropic dependen de langchain-core para implementar sus propios modelos de chat.

langchain: funcionalidad de alto nivel

El paquete langchain construye sobre langchain-core y proporciona funcionalidad lista para usar. Incluye la lógica para crear agentes, implementar patrones de recuperación, cadenas de procesamiento y utilidades prácticas. Es el paquete que instalas cuando quieres desarrollar aplicaciones rápidamente sin preocuparte por implementar las abstracciones desde cero.

Cuando instalas langchain, automáticamente se instala langchain-core como dependencia, ya que el primero lo necesita para funcionar. Sin embargo, puedes instalar únicamente langchain-core si tu objetivo es crear integraciones personalizadas o frameworks derivados sin necesitar toda la funcionalidad de alto nivel.

# Instalar langchain incluye automáticamente langchain-core
pip install langchain

# Si solo necesitas las abstracciones base para crear integraciones
pip install langchain-core

Esta separación garantiza que las interfaces base permanezcan estables mientras la funcionalidad de alto nivel puede evolucionar con nuevas características en versiones menores, siguiendo versionado semántico.

Si no vas a desarrollar un sdk entonces lo habitual es instalar directamente langchain.

Paquetes de integración con proveedores

Las integraciones con servicios externos se distribuyen en paquetes independientes que puedes instalar según tus necesidades. Cada paquete implementa las abstracciones de langchain-core para un proveedor específico.

Paquetes oficiales mantenidos por LangChain

Los siguientes paquetes son mantenidos directamente por el equipo de LangChain y siguen versionado semántico estricto:

• langchain-openai: integración con modelos de OpenAI (Familia GPT, embeddings)
• langchain-anthropic: integración con Claude de Anthropic
• langchain-google-genai: acceso a Gemini mediante Google AI Studio
• langchain-google-vertexai: integración con Vertex AI de Google Cloud
• langchain-azure-ai: servicios de Azure AI
• langchain-ollama: integración con Ollama para modelos locales
• langchain-huggingface: modelos y embeddings de Hugging Face

Bases de datos vectoriales y almacenamiento

• langchain-postgres: almacenamiento vectorial con PostgreSQL (pgvector)
• langchain-chroma: integración con ChromaDB
• langchain-mongodb: soporte para MongoDB Atlas Vector Search
• langchain-redis: búsqueda vectorial con Redis
• langchain-milvus: integración con Milvus

Herramientas y utilidades

• langchain-tavily: búsqueda web mediante Tavily API

langchain-community: integraciones comunitarias

El paquete langchain-community agrupa integraciones mantenidas por la comunidad. Debido a la gran cantidad de integraciones que contiene, este paquete sigue una política de versionado diferente y puede introducir cambios menores en versiones intermedias. Se mantiene en la versión 0.4 para reflejar esta política distinta.

# Instalar solo las integraciones que necesites
pip install langchain-openai langchain-chroma
pip install langchain-anthropic langchain-postgres

Esta modularidad evita instalar decenas de dependencias innecesarias y reduce el tamaño de tus proyectos significativamente.

Paquetes de utilidad

Existen utilidades especializadas disponibles como paquetes independientes:

langchain-text-splitters

Proporciona estrategias para dividir documentos largos en fragmentos manejables. Incluye implementaciones como RecursiveCharacterTextSplitter, que respeta la estructura jerárquica del texto (párrafos, frases, palabras) al dividirlo, o splitters específicos para código, markdown o HTML.

from langchain_text_splitters import RecursiveCharacterTextSplitter

splitter = RecursiveCharacterTextSplitter(
    chunk_size=500,
    chunk_overlap=50
)
chunks = splitter.split_text(documento)

langchain-tests

Estos paquetes contienen suites de pruebas estándar para validar que las integraciones personalizadas cumplen con las interfaces esperadas. Son especialmente útiles si desarrollas tu propia integración y quieres asegurar compatibilidad.

LangGraph: orquestación avanzada de agentes

LangGraph es un framework de orquestación a bajo nivel que permite construir flujos de trabajo complejos que combinan lógica determinista y agentes inteligentes. Mientras que langchain proporciona agentes predefinidos que funcionan con pocas líneas de código, LangGraph te da control total sobre el flujo de ejecución, la persistencia del estado y las interacciones humanas.

Los agentes de langchain están construidos internamente sobre LangGraph, lo que les permite aprovechar características como ejecución duradera, streaming, intervención humana y gestión de estado persistente. Para casos de uso básicos, no necesitas conocer LangGraph, pero cuando requieras personalización profunda o gestión precisa de latencias, LangGraph se convierte en la herramienta apropiada.

# Agente simple con langchain (alto nivel)
from langchain.agents import create_agent

agent = create_agent(model, tools)
response = agent.invoke("¿Cuál es el clima hoy?")

# Para flujos complejos con control fino del estado, usa LangGraph directamente

LangGraph y DeepAgents son opciones avanzadas para crear agentes de IA y arquitecturas multi-agente.

LangSmith: observabilidad y evaluación

LangSmith es la plataforma de LLMOps del ecosistema. Proporciona trazabilidad completa de la ejecución de tus agentes, permitiéndote visualizar cada paso, capturar transiciones de estado y analizar métricas de rendimiento. Es fundamental para depurar comportamientos complejos y evaluar la calidad de las respuestas mediante conjuntos de datos de prueba.

LangSmith se integra automáticamente al configurar las variables de entorno correspondientes, capturando información de cada invocación sin modificar tu código.

Paquete legacy: langchain-classic

Con la llegada de LangChain 1.0, la funcionalidad que no forma parte del enfoque principal en interfaces estándar y agentes se movió al paquete langchain-classic. Este paquete contiene código legacy que aún puede ser útil en proyectos existentes pero que no recibirá nuevas características.

Si encuentras tutoriales antiguos que usan importaciones que ya no funcionan en langchain, es probable que esas funcionalidades estén ahora en langchain-classic. La documentación de la versión 0.x está archivada para consulta.

Política de soporte y versionado

LangChain 1.0 adopta versionado semántico estricto y se designa como versión de soporte a largo plazo (LTS). Esto significa:

• Los cambios incompatibles solo ocurrirán en versiones mayores (2.0)
• Las versiones menores (1.1, 1.2) añaden características sin romper código existente
• Las versiones de parche (1.0.1) contienen correcciones de errores

La versión 1.0 permanecerá en modo activo hasta el lanzamiento de 2.0, momento en el cual entrará en modo mantenimiento durante al menos un año, recibiendo parches de seguridad y correcciones críticas.

Las versiones 0.x (específicamente 0.3) se mantienen hasta diciembre de 2026, recibiendo únicamente parches de seguridad.

Este modelo permite migrar gradualmente proyectos antiguos sin presiones, sabiendo que las versiones anteriores seguirán siendo seguras durante años.