LangGraph vs AutoGen: qual caminho seguir na migração?

A comparação entre AutoGen e LangGraph passou a ser uma decisão de migração: em 27 de outubro de 2026, o README do AutoGen, da Microsoft, informa que o projeto foi arquivado e não recebe mais manutenção. Escolha LangGraph para ter controle explícito sobre um workflow com estado; escolha Microsoft Agent Framework quando a continuidade com a stack de agentes da Microsoft for a prioridade. Um protótipo existente em AutoGen serve de referência para a migração, mas é uma base inadequada para novos sistemas em produção. Status atual do AutoGen.

LangGraph vs AutoGen: qual escolher?

Escolha LangGraph para um novo sistema que precise acompanhar o trabalho, aguardar aprovação e se recuperar de forma previsível. O LangGraph, runtime de orquestração desenvolvido pela LangChain, permite representar a aplicação como etapas conectadas por um estado explícito. Isso atende bem a um fluxo de suporte no qual o rascunho, o resultado da revisão e a aprovação precisam continuar separados mesmo depois que o processo de execução reinicia.

Escolha Microsoft Agent Framework para migrar um sistema em AutoGen ligado ao ecossistema Microsoft, especialmente uma aplicação .NET existente. O sucessor da Microsoft combina abstrações de agentes com workflows. Permanecer nessa família ainda exige mudanças na orquestração e no tratamento do estado; não basta trocar o nome do pacote. Visão geral do framework da Microsoft.

Mantenha um protótipo existente em AutoGen apenas como referência de escopo limitado durante a migração. Preserve os prompts, os contratos das ferramentas e os exemplos que dão valor a ele. Evite ampliar suas responsabilidades contando com um compromisso de manutenção por parte do projeto que já não existe.

A decisão depende de três critérios: quem mantém a base tecnológica, onde fica o estado da aplicação e como uma tarefa pausada é retomada. As avaliações aqui se baseiam na documentação, não em resultados de benchmarks de velocidade ou qualidade dos modelos. As páginas dos fornecedores e a documentação citadas foram verificadas em 27 de outubro de 2026.

Os detalhes de implementação da tabela vêm do guia de equipes do AutoGen, do guia de estado do AutoGen, da Graph API do LangGraph e da documentação de persistência do LangGraph.

Status atual do AutoGen: arquivado, não apenas em modo de manutenção

O AutoGen, framework da Microsoft para agentes de IA que colaboram entre si, agora traz no README o aviso “Projeto arquivado e sem manutenção”. O mesmo aviso informa que a Microsoft deixou de fornecer correções de bugs, correções de segurança, funcionalidades e suporte, e incentiva os usuários atuais a migrar. A recomendação para quem está começando é explícita: “Novos usuários devem começar com Microsoft Agent Framework.” README do AutoGen da Microsoft.

Comunicados anteriores da Microsoft explicam por que quem desenvolve pode se lembrar de uma política diferente. O anúncio de lançamento de 1 de outubro de 2025 dizia: “Ambos os projetos continuarão recebendo suporte, mas a maior parte do investimento agora está concentrada no Microsoft Agent Framework.” Essa era a posição no lançamento em relação ao AutoGen e ao Semantic Kernel, o framework anterior da Microsoft para agentes e aplicações de IA. Ela não se sobrepõe ao aviso atual do AutoGen. Anúncio de apresentação da Microsoft.

A atualização da Microsoft sobre o BUILD, de 3 de junho de 2026, também afirma: “O MAF chegou à versão 1.0 GA em 2 de abril de 2026”. GA significa disponibilidade geral. Portanto, o sucessor não deve ser descrito como se ainda fosse apenas a versão prévia original anunciada no lançamento. Atualização da Microsoft sobre o BUILD.

Para um novo projeto, o vencedor entre AutoGen e LangGraph é LangGraph. O status de suporte do AutoGen resolve essa parte da decisão antes mesmo de sua API de conversação entrar em pauta. Microsoft Agent Framework continua sendo uma alternativa atual e distinta para a migração.

Modelo de conversação ou grafo com estado?

O AutoGen AgentChat usa a conversa como unidade prática de organização; o LangGraph torna explícitos o estado da aplicação e suas transições. Ambos podem coordenar agentes. A diferença útil está no que você precisa especificar quando algo dá errado ou uma pessoa precisa intervir.

AutoGen: agentes alternam a fala e analisam mensagens

O AutoGen AgentChat é a API de equipes de nível mais alto sobre o runtime Core do AutoGen, orientado a eventos. Com RoundRobinGroupChat, os participantes falam em sequência e distribuem as respostas para o grupo. Um agente redator pode propor uma resposta e um revisor pode questioná-la. Já SelectorGroupChat usa um modelo para escolher quem fala a seguir. Padrões de equipes do AutoGen.

É uma forma intuitiva de representar uma conversa que você já entende. A tarefa fica menos clara quando o histórico também precisa servir de registro operacional. Uma frase que diga “aprovado” pode se referir à precisão factual do rascunho, ao consentimento de um cliente ou a uma autorização humana. A aplicação precisa distinguir esses significados antes de executar uma ação externa.

O limite do AutoGen está na distância entre uma conversa útil e um processo de negócio que pode ser retomado, agravada agora pelo arquivamento do projeto. Acrescentar prompts não define qual artefato salvo é a referência oficial nem qual ação já foi executada.

Também seria errado afirmar que o AutoGen não permite representar grafos. Seu GraphFlow experimental oferece sequenciamento, ramificações, trabalho em paralelo e loops. Um limite mais sutil é mais relevante: o grafo de execução não determina quais mensagens um agente vê. Por padrão, as mensagens são distribuídas a todos, e a filtragem é configurada separadamente. Uma aresta que diz “o revisor age a seguir” não delimita o acesso aos dados. Documentação do GraphFlow.

Para entender um protótipo conversacional existente, o vencedor é AutoGen AgentChat. Sua abstração de equipes ajuda a explicar o protótipo de forma concisa. Isso justifica entender o código antes de migrar, mas não iniciar uma nova implantação com ele.

LangGraph: a aplicação controla o registro do trabalho

O LangGraph é um runtime de baixo nível para workflows com estado. Um nó executa trabalho, uma aresta seleciona a próxima etapa e o estado é o registro estruturado do trabalho que percorre a aplicação. Nós podem conter chamadas a modelos ou funções comuns. Visão geral do LangGraph.

Em uma resposta de suporte, o estado pode conter o identificador do chamado, o texto de referência aprovado, o rascunho atual, os apontamentos da revisão e a decisão humana. Um nó de revisão atualiza os apontamentos. Uma aresta condicional devolve um rascunho reprovado para ajustes ou encaminha um rascunho aceitável para aprovação. Cabe a você definir os campos e as regras da aplicação.

Um reducer é a regra que combina uma atualização com um campo de estado existente. Você pode substituir o rascunho atual e, ao mesmo tempo, acumular as observações da revisão. Uma escolha errada pode deixar apontamentos desatualizados associados a uma resposta já revisada. Atualizações de estado e reducers.

O limite do LangGraph é o trabalho de projeto que ele torna explícito. O esquema de dados, as regras de roteamento e o comportamento em caso de falha ficam sob sua responsabilidade. Um grafo também pode conter decisões tomadas por modelos e loops; desenhá-lo não torna o texto gerado reproduzível nem correto.

Para controlar o estado de negócio de um workflow, o vencedor é LangGraph. O ganho é ter um registro que pode ser inspecionado diretamente, sem precisar deduzir o andamento do trabalho pela conversa dos agentes.

LangGraph vs LangChain: escolha a camada certa

LangChain é o framework de nível mais alto para modelos, ferramentas e ciclos de execução de agentes; LangGraph fornece a orquestração por baixo. É possível usar LangGraph sem adotar os componentes do LangChain. Como as camadas da stack se encaixam.

Ao migrar do AutoGen, primeiro decida se a aplicação precisa de um workflow personalizado. Um assistente simples que chama uma ferramenta e devolve uma resposta talvez não precise dessa estrutura adicional. A comparação entre LangChain e LangGraph detalha essa escolha.

A mesma tarefa com dois agentes em cada framework

Use um redator e um revisor para comparar a coordenação e mantenha o envio fora da responsabilidade dos dois agentes. Considere uma resposta de suporte baseada em um chamado de cliente fixo e em um trecho aprovado da base de conhecimento. O redator propõe uma resposta. O revisor confere cada afirmação com o trecho de referência e pede ajustes ou aceita o rascunho. Uma pessoa autoriza o envio separadamente.

Este é um exemplo de projeto, não um benchmark executado. As duas implementações recebem as mesmas entradas, os mesmos prompts e os mesmos critérios de revisão. Nenhum dos agentes recebe uma ferramenta de envio. Assim, a comparação mantém o foco: como o framework representa o trabalho e seus pontos de parada?

Esses projetos usam os recursos documentados de equipes com reflexão do AutoGen, feedback entre execuções, roteamento do LangGraph e interrupções.

O que configurar no AutoGen

Crie o redator e o revisor com instruções distintas e coloque os dois em RoundRobinGroupChat. O tutorial oficial usa TextMentionTermination para encerrar a execução quando uma palavra aparece na resposta de um agente. Nesta aplicação, trate essa parada como o fim da revisão automatizada, nunca como autorização para enviar. Inspecione o resultado e preserve o rascunho que o revisor avaliou.

Defina uma política que limite os ciclos de ajuste. Se o revisor continuar encontrando afirmações sem respaldo, devolva o caso a uma pessoa com os apontamentos anexados. Não transforme uma conversa sem solução em uma tentativa interminável de produzir um token de sucesso.

O trabalho adicional de engenharia acontece fora do diálogo: registrar qual chamado está sendo processado, salvar o resultado da revisão, persistir a equipe em um ponto seguro de parada e associar a intervenção humana posterior ao rascunho correto. O tutorial de estado fornece primitivas de serialização, não uma política completa de recuperação para a aplicação.

O que configurar no LangGraph

Defina campos da aplicação como ticket_id, source_text, draft, review, approved e send_receipt. Conecte a redação à revisão. Encaminhe uma revisão reprovada para ajustes enquanto a política permitir; caso contrário, interrompa o fluxo para tratamento manual. Uma revisão aceitável avança para a etapa de aprovação humana.

Uma regra útil de implementação é invalidar a aprovação anterior sempre que o rascunho mudar. Sem isso, uma pessoa pode aprovar um texto e a aplicação enviar outro depois. Essa é uma invariante de negócio — uma condição que a aplicação precisa garantir sempre —, não uma funcionalidade do framework.

O envio deve ficar em uma função comum, separada, depois da aprovação. A função registra o comprovante retornado pelo sistema externo e o associa ao chamado e ao rascunho aprovado. O resultado da revisão de um agente e a autorização de uma pessoa continuam em campos distintos.

Para esta tarefa, quando a aprovação adiada e a recuperação passam a importar, o vencedor é LangGraph. O AutoGen descreve bem a troca de mensagens; o grafo expressa de forma mais direta o registro operacional e seus pontos de controle. Se a tarefa termina em um rascunho não enviado e é fácil reiniciá-la, há menos requisitos de workflow a resolver na migração.

Checkpoints e interrupções humanas: o que recuperar uma execução realmente exige

Salvar o estado da conversa é útil, mas não oferece as mesmas garantias de retomar um workflow. O AutoGen oferece save_state() e load_state() para agentes e equipes. A aplicação pode persistir esse estado em um arquivo ou banco de dados. Dizer que o AutoGen “não tem memória” descreveria incorretamente a API disponível. Gerenciamento de estado do AutoGen.

O LangGraph usa um checkpointer, componente que salva o estado do grafo de uma thread. Uma thread identifica um trabalho que continua ao longo do tempo. O store, um componente separado, armazena dados da aplicação que devem estar disponíveis entre threads. Use o primeiro para dar continuidade ao chamado atual e o segundo, se necessário, para informações duráveis compartilhadas. Conceitos de persistência.

A escolha do armazenamento importa. InMemorySaver e MemorySaver mantêm checkpoints na RAM; esses checkpoints desaparecem quando o processo reinicia. Um protótipo que demonstra uma interrupção com armazenamento em memória não demonstrou recuperação após reinício. Para atender a esse requisito, use armazenamento persistente. Solução de problemas de persistência.

Para uma revisão adiada, interrupt() do LangGraph pausa a execução à espera de uma entrada externa. Retome com Command(resume=...) e o mesmo thread_id usado na execução pausada. O identificador associa a decisão recebida ao trabalho salvo. Comportamento das interrupções do LangGraph.

O UserProxyAgent do AutoGen pode solicitar feedback humano durante uma execução, mas a documentação alerta que a equipe em espera fica bloqueada em um estado que não pode ser salvo nem retomado. Quando a pessoa pode voltar só mais tarde, a alternativa documentada é encerrar a execução, salvar o estado e continuar com o feedback em uma execução posterior. Feedback humano no AutoGen.

No exemplo de suporte, proteja o envio com um identificador de solicitação controlado pela aplicação e um comprovante de envio armazenado. Posicione a operação de envio depois da aprovação e projete-a para tolerar solicitações repetidas. A posição do ponto de aprovação, por si só, não torna transacional um serviço de e-mail separado.

Para uma aprovação adiada que sobreviva a falhas, o vencedor é LangGraph, desde que você configure armazenamento durável e projete deliberadamente o comportamento das execuções repetidas. Nem um checkpoint nem um histórico de conversa comprovam que uma ação externa aconteceu exatamente uma vez.

Migrar para LangGraph ou Microsoft Agent Framework?

Escolha o destino pelo controle que você precisa ter e depois avalie a reescrita em relação à aplicação atual. Sair do AutoGen não significa automaticamente escolher LangGraph.

LangGraph vs AutoGen: o que muda para um protótipo existente?

Escolha LangGraph quando o problema do protótipo for a ambiguidade do estado: não está claro qual artefato é o atual, de onde uma tarefa com falha deve continuar ou se uma pessoa aprovou a versão atual. Transforme essas dúvidas em campos e transições explícitos antes de portar os prompts.

O ganho está em tornar esses requisitos verificáveis. Recriar o histórico antigo dentro de um grafo, mantendo todas as decisões importantes escondidas nas mensagens, acrescenta uma dependência sem trazer muita melhoria operacional.

Se os papéis dos agentes do protótipo não acrescentam ferramentas, contextos ou responsabilidades de revisão distintos, simplifique-os durante a migração. O guia de sistemas multiagentes explica quando um único agente é a melhor solução.

Microsoft Agent Framework: continuidade no ecossistema

Microsoft Agent Framework é o sucessor direto do AutoGen e do Semantic Kernel na Microsoft. Ele oferece agentes e workflows que conectam agentes a funções comuns. É o candidato inicial mais forte quando a aplicação e a equipe de operação já dependem da stack de agentes da Microsoft ou de .NET. Essa é uma avaliação de integração, não uma afirmação de que o LangGraph não possa atender ao mesmo processo de negócio. Visão geral do Agent Framework.

O guia atual mapeia AssistantAgent para Agent, explica a continuidade da conversa por meio de AgentSession e substitui a coordenação de equipes por padrões de workflow. Esses workflows oferecem fluxo de dados tipado, solicitações de entrada humana e checkpoints. O comportamento de iteração nas chamadas a ferramentas também muda; por isso, reproduza suas sequências de ferramentas durante a migração. Guia de migração do AutoGen.

A lacuna de migração declarada: runtimes distribuídos personalizados. O guia descreve atualmente a composição do Agent Framework como restrita a um único processo e a execução distribuída como planejada. Se o protótipo em AutoGen usa o runtime Core distribuído, não presuma que portar os agentes preserve a topologia de implantação. Valide esse requisito separadamente no runtime e na opção de hospedagem que você pretende usar. Essa é uma limitação declarada no guia de migração, não uma afirmação geral sobre todos os serviços de hospedagem da Microsoft.

Para dar continuidade pelo sucessor da Microsoft, o vencedor é Microsoft Agent Framework. Seu limite é a compatibilidade: conceitos de agentes familiares não garantem roteamento de mensagens, comportamento de sessões ou topologia de execução idênticos. O LangGraph vence quando a razão da mudança é um redesenho deliberado em torno do estado explícito da aplicação.

Quanto custa migrar e quem não deve se apressar?

O custo da migração está em reconstruir comportamentos, converter estado e validar a operação. Prompts e implementações de ferramentas podem ser reaproveitados, mas é preciso examinar suas regras de agendamento, contexto e persistência. Dimensione o esforço em torno de uma operação de negócio completa, não da quantidade de imports renomeados.

Comece pela resposta de suporte. Ela tem uma entrada observável, um rascunho como artefato, uma decisão de revisão, um ponto de aprovação humana e um comprovante final. Isso a torna um recorte melhor para a migração do que mover um conjunto inteiro de agentes e torcer para que a resposta final pareça familiar.

1. 1

   Registre o comportamento atual

   Salve entradas representativas, material de referência aprovado, prompts, esquemas de ferramentas, saídas e casos de falha. Registre as versões dos modelos e das dependências. Inclua um caso rejeitado pelo revisor e outro que exija esclarecimento humano. Esses casos serão os exemplos de aceitação da nova implementação.

2. 2

   Exporte os registros da aplicação de forma independente

   Preserve identificadores de chamados, rascunhos, apontamentos de revisão, decisões humanas e comprovantes de ações externas em um formato controlado pela aplicação. Mantenha os históricos de conversa como contexto, mas não trate o bloco de estado serializado de um framework como um registro de negócio portável. Escreva um mapeamento explícito de todos os dados necessários para continuar o processamento.

3. 3

   Reconstrua o menor workflow completo

   No LangGraph, defina o esquema de estado e as rotas. No Microsoft Agent Framework, mapeie agentes, sessões e executores de workflow usando o guia atual. Mantenha constantes as entradas da tarefa e os critérios de avaliação para distinguir mudanças na orquestração de mudanças no modelo ou no prompt.

4. 4

   Teste os pontos de falha

   Pare o processo de execução enquanto uma tarefa aguarda aprovação. Retome a tarefa após o reinício, rejeite um rascunho, repita uma solicitação de retomada e simule uma falha em uma ação externa. Inspecione o registro salvo da aplicação e o comprovante final. Um parágrafo final plausível não é evidência suficiente de que o workflow se recuperou corretamente.

5. 5

   Defina como concluir o trabalho já em andamento

   Decida se as tarefas pendentes serão concluídas na implementação antiga ou passarão por uma conversão explícita de estado. Preserve os identificadores e as associações entre aprovações e rascunhos. Não encaminhe silenciosamente um checkpoint antigo para um workflow novo e incompatível.

Depois de adotado, o LangGraph também impõe restrições às migrações. A documentação da Graph API alerta contra renomear ou remover nós de que threads interrompidas ainda precisam. Trate as definições de workflow e o estado salvo como elementos que precisam permanecer compatíveis também nas implantações futuras. Restrições de migração de grafos.

Não se apresse em reescrever por completo um protótipo de pesquisa isolado cujo resultado útil já foi registrado e que será desativado. Extraia os aprendizados e migre apenas o caso de uso que terá continuidade. Para uma aplicação ativa em AutoGen, uma transição controlada é preferível a uma substituição não validada, mas o arquivamento é motivo para programar essa transição, não para continuar ampliando a dependência antiga.

Para avaliar mais alternativas, a comparação de frameworks de agentes de IA apresenta outros pontos de partida. Se CrewAI for o outro candidato, consulte LangGraph vs CrewAI para essa decisão específica.

Seu próximo passo: escolha uma tarefa recorrente, liste os registros que precisam sobreviver a um reinício e defina quem pode autorizar a ação final. Escolha o framework que expressa esses requisitos com mais clareza e valide esse recorte completo antes de migrar o restante.

Perguntas frequentes

Quais são as principais diferenças entre AutoGen e LangChain?

O AutoGen AgentChat organiza agentes que colaboram entre si em equipes e mensagens. O LangChain fornece abstrações de modelos, ferramentas e agentes, enquanto o LangGraph é o runtime de orquestração que sustenta essa camada. Para um workflow personalizado com estado, o LangGraph é a comparação mais direta. O arquivamento do AutoGen também muda a escolha para novos projetos.

Vale a pena aprender LangChain em 2026?

Sim, quando suas abstrações de modelos e ferramentas atendem à aplicação. Aprenda LangGraph diretamente quando precisar especificar o estado e as transições do workflow. Não é necessário adotar todas as camadas da stack para migrar um protótipo em AutoGen.

CrewAI é melhor que LangGraph?

Não existe um vencedor universal. Se estado explícito, limites de recuperação e lógica personalizada de aprovação forem decisivos para a aplicação, LangGraph é o candidato a avaliar primeiro. Compare CrewAI usando a mesma tarefa completa antes de escolher; a preferência por um framework, por si só, não determina a qualidade da tarefa executada.

O que significa AutoGen?

Nesta comparação, AutoGen é o framework da Microsoft para aplicações multiagentes disponível em microsoft/autogen. A implementação discutida é a API de equipes AgentChat, com distinções sobre o runtime Core subjacente e o GraphFlow experimental quando relevantes.

O AutoGen foi descontinuado?

O README atual da Microsoft usa um status mais forte, “arquivado”, e informa que o projeto não recebe mais manutenção. Ele direciona novos usuários ao Microsoft Agent Framework e incentiva os usuários atuais a migrar. Use essa descrição atual, em vez de presumir que o projeto continua em uma fase de manutenção.

AutoGen e Microsoft Agent Framework são a mesma coisa?

Não. Microsoft Agent Framework é o sucessor, com um guia de migração que cobre mudanças nas APIs de agentes, sessões, ferramentas e workflows. A mudança exige validar o comportamento da aplicação; não se trata apenas de um novo nome para o pacote AutoGen instalado.

Qual é o melhor framework de IA agêntica?

Para o cenário discutido aqui, escolha LangGraph quando o estado explícito da aplicação e o controle do workflow forem decisivos. Escolha Microsoft Agent Framework quando o caminho pelo sucessor da Microsoft e seu ecossistema atual forem determinantes. Um framework não pode determinar se a tarefa em si precisa de vários agentes.

Quais são as principais diferenças entre AutoGen e Semantic Kernel?

O anúncio de apresentação da Microsoft descreve a contribuição do AutoGen como orquestração multiagente experimental e a do Semantic Kernel como uma base de SDK para aplicações empresariais. Microsoft Agent Framework reúne essas duas linhas. Para uma nova migração do AutoGen, avalie o sucessor atual em vez de tratar essa divisão histórica como a única escolha.

Qual é o melhor framework multiagente?

A melhor opção é a que torna o comportamento necessário claro e fácil de manter. Para o fluxo de suporte deste artigo, a recomendação é LangGraph, porque revisão, autorização humana e envio precisam ser estados separados. Microsoft Agent Framework é a alternativa quando a continuidade pelo sucessor pesa mais.

Use o Checklist de auditoria de workflows de negócio com IA para definir a tarefa, o ponto de aprovação e o responsável pela operação antes de migrar.