JavaScript / TypeScript

npm install jangada-ai

import { LLM } from "jangada-ai";
import "jangada-ai/node"; // carrega o .env do projeto (OPENAI_API_KEY...)

const llm = new LLM("openai", "gpt-4o-mini");
const comp = await llm.complete("Explique o que é uma jangada em uma frase.");
console.log(comp.text, comp.usage, comp.cost);

const { LLM } = require("jangada-ai");

new LLM("anthropic", "claude-sonnet-4-5");
new LLM("gemini", "gemini-2.5-flash");
new LLM("groq", "openai/gpt-oss-20b");

const llm = new LLM("openai", "gpt-4o-mini", {
  system: "Você atende a {{ empresa }}.",
  temperature: 0.3,
  maxRetries: 2, // 429, 5xx e timeout repetem no mesmo modelo
  fallbacks: [new LLM("anthropic", "claude-haiku-4-5")], // depois, outro provider
});

const comp = await llm.complete("Olá, sou {{ nome }}.", {
  variables: { empresa: "Padaria Pão Quente", nome: "Ana" },
});

import * as z from "zod";

const Pessoa = z.object({ nome: z.string(), idade: z.number().int() }).meta({ title: "Pessoa" });
const comp = await llm.parse("Ana tem 30 anos.", Pessoa);
comp.parsed; // { nome: "Ana", idade: 30 }

import { tool } from "jangada-ai";

const clima = tool({
  name: "clima",
  description: "Temperatura atual de uma cidade",
  parameters: z.object({ cidade: z.string() }),
  execute: async ({ cidade }) => ({ cidade, temperatura: 31 }),
});

const comp = await llm.complete("Como está o tempo em Recife?", { tools: [clima] });
for (const call of comp.toolCalls) {
  const args = await clima.parseArgs(call.args);
  const resultado = call.result(await clima.execute(args));
  // reenvie: history = [..., comp.assistantMessage(), { role: "tool", content: [resultado] }]
}

for await (const pedaco of llm.stream("Conte até 5.")) process.stdout.write(pedaco);

for await (const ev of llm.streamComplete("Uma curiosidade sobre o Recife.")) {
  if (ev.type === "text") process.stdout.write(ev.text);
  else console.log(ev.completion.cost); // resposta completa: toolCalls, usage, custo
}

import { readImage } from "jangada-ai/node";

await llm.complete("Descreva a imagem.", { images: [await readImage("foto.jpg")] });
await llm.complete("E esta?", { images: ["https://exemplo.com/foto.png"] });

import { Agent, Squad, tool } from "jangada-ai";

const atendente = new Agent(llm, { role: "Atendente", tools: [clima] });
const r = await atendente.run("Qual o clima em Recife?");
console.log(r.text, r.cost, r.toolTrace);

const pesquisador = new Agent(llm, { role: "Pesquisador", goal: "listar fatos curtos" });
const redator = new Agent(llm, { role: "Redator", goal: "escrever uma frase" });
await new Squad([pesquisador, redator]).run("jangadas no Ceará");

import { MCPClient, runAgent } from "jangada-ai/mcp";
import { serveMcp } from "jangada-ai/node";

// servir tools da jangada como servidor MCP
const srv = await serveMcp([clima], { transport: "http", port: 3333 });

// consumir um servidor MCP
await using mcp = await new MCPClient({ url: "https://meu-mcp/mcp" }).connect();
const r = await runAgent(llm, "Use as tools do servidor.", { client: mcp });

import { RAG, vectorStore } from "jangada-ai/rag";

const store = vectorStore(process.env.DATABASE_URL); // postgresql://, mongodb:// ou "memory"
const rag = new RAG(new LLM("openai", "text-embedding-3-small"), store, { chat: llm });
await rag.syncTexts(["A padaria abre às 6h.", "Aceitamos PIX."], { documentId: "faq" });
const resposta = await rag.ask("Como posso pagar?");

import { serveA2a } from "jangada-ai/node";
await serveA2a(atendente, { port: 4000 }); // Agent Card em /.well-known/agent-card.json

import { Dataset, Evaluator, evaluate } from "jangada-ai/eval";
const res = await evaluate(dataset, (ex) => llm.complete(ex.inputs.q), [
  Evaluator.fn("exato", (saida, ref) => saida.text.trim() === ref),
]);