LangChain + Gonka AI — aplicativos AI por uma fração do custo

Exemplo mínimo — conectando o LangChain ao Gonka:

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    base_url="https://gate.joingonka.ai/v1",
    api_key="jg-your-key",
    model="MiniMaxAI/MiniMax-M2.7",
)

response = llm.invoke("Explain what RAG is")
print(response.content)

É isso. Três linhas — e seu projeto LangChain roda pela rede descentralizada Gonka por centavos.

Instalação das dependências:

pip install langchain langchain-openai

Recomendação: especifique max_tokens=8192 explicitamente — é o teto de saída pelo JoinGonka Gateway para o MiniMax M2.7 e o GLM-5.3 Flash (no DeepSeek V4 Flash é de até 32768). A janela de contexto é de 200K tokens no MiniMax M2.7 (380K no DeepSeek V4 Flash, 390K no GLM-5.3 Flash) — leve isso em conta ao configurar o chunk_size nos seus pipelines de RAG.

RAG (Retrieval-Augmented Generation) é o padrão mais popular em aplicações de IA. Você carrega documentos, divide em chunks, cria embeddings, busca os trechos relevantes e gera uma resposta com contexto.

from langchain_openai import ChatOpenAI
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.chains import RetrievalQA
from langchain_community.vectorstores import FAISS
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain_community.document_loaders import TextLoader

# 1. LLM via Gonka
llm = ChatOpenAI(
    base_url="https://gate.joingonka.ai/v1",
    api_key="jg-your-key",
    model="MiniMaxAI/MiniMax-M2.7",
    streaming=True,
)

# 2. Load and index documents
loader = TextLoader("docs/my_document.txt")
docs = loader.load()
splitter = RecursiveCharacterTextSplitter(chunk_size=1000)
chunks = splitter.split_documents(docs)

# 3. Vector store (local, free)
embeddings = HuggingFaceEmbeddings()
vectorstore = FAISS.from_documents(chunks, embeddings)

# 4. RAG chain
qa = RetrievalQA.from_chain_type(
    llm=llm,
    retriever=vectorstore.as_retriever(),
)

# 5. Query
result = qa.invoke("What is this document about?")
print(result["result"])

Custo: uma única consulta ao pipeline RAG (retrieval + generation) consome ~2-5K tokens do LLM. Pela Gonka, sai por $0.00001-0.000024. Pela OpenAI, $0.005-0.05. A diferença é de 1.300x.

Para sistemas em produção que processam milhares de consultas por dia, a economia chega a dezenas de milhares de dólares por mês.

O LangChain permite criar agentes com ferramentas (tools). Os modelos da rede oferecem suporte nativo a tool calling — os agentes funcionam de forma confiável, sem precisar fazer parsing de respostas em texto.

from langchain_openai import ChatOpenAI
from langchain.agents import create_openai_tools_agent, AgentExecutor
from langchain.tools import tool
from langchain.prompts import ChatPromptTemplate

llm = ChatOpenAI(
    base_url="https://gate.joingonka.ai/v1",
    api_key="jg-your-key",
    model="MiniMaxAI/MiniMax-M2.7",
)

@tool
def calculator(expression: str) -> str:
    """Evaluates a math expression."""
    return str(eval(expression))

@tool
def search_web(query: str) -> str:
    """Searches the web for information."""
    return f"Search results for: {query}"

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful assistant."),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}"),
])

agent = create_openai_tools_agent(llm, [calculator, search_web], prompt)
executor = AgentExecutor(agent=agent, tools=[calculator, search_web])

result = executor.invoke({"input": "What is 2**10 * 3.14?"})
print(result["output"])

O agente chama a calculator, obtém o resultado e monta a resposta. Todo o ciclo custa ~$0.00005 pela Gonka. Pela OpenAI, $0.01-0.05. Para sistemas com milhares de usuários, essa diferença representa dezenas de milhares de dólares.