diff --git a/docs/docs.json b/docs/docs.json
index b6cded1a0..0a6d80329 100644
--- a/docs/docs.json
+++ b/docs/docs.json
@@ -218,6 +218,7 @@
"en/observability/overview",
"en/observability/agentops",
"en/observability/arize-phoenix",
+ "en/observability/langdb",
"en/observability/langfuse",
"en/observability/langtrace",
"en/observability/maxim",
@@ -555,6 +556,7 @@
"pt-BR/observability/overview",
"pt-BR/observability/agentops",
"pt-BR/observability/arize-phoenix",
+ "pt-BR/observability/langdb",
"pt-BR/observability/langfuse",
"pt-BR/observability/langtrace",
"pt-BR/observability/maxim",
diff --git a/docs/en/observability/langdb.mdx b/docs/en/observability/langdb.mdx
new file mode 100644
index 000000000..33b351daa
--- /dev/null
+++ b/docs/en/observability/langdb.mdx
@@ -0,0 +1,286 @@
+---
+title: LangDB Integration
+description: Govern, secure, and optimize your CrewAI workflows with LangDB AI Gateway—access 350+ models, automatic routing, cost optimization, and full observability.
+icon: database
+---
+
+# Introduction
+
+[LangDB AI Gateway](https://langdb.ai) provides OpenAI-compatible APIs to connect with multiple Large Language Models and serves as an observability platform that makes it effortless to trace CrewAI workflows end-to-end while providing access to 350+ language models. With a single `init()` call, all agent interactions, task executions, and LLM calls are captured, providing comprehensive observability and production-ready AI infrastructure for your applications.
+
+
+ 
+
+
+**Checkout:** [View the live trace example](https://app.langdb.ai/sharing/threads/3becbfed-a1be-ae84-ea3c-4942867a3e22)
+
+## Features
+
+### AI Gateway Capabilities
+- **Access to 350+ LLMs**: Connect to all major language models through a single integration
+- **Virtual Models**: Create custom model configurations with specific parameters and routing rules
+- **Virtual MCP**: Enable compatibility and integration with MCP (Model Context Protocol) systems for enhanced agent communication
+- **Guardrails**: Implement safety measures and compliance controls for agent behavior
+
+### Observability & Tracing
+- **Automatic Tracing**: Single `init()` call captures all CrewAI interactions
+- **End-to-End Visibility**: Monitor agent workflows from start to finish
+- **Tool Usage Tracking**: Track which tools agents use and their outcomes
+- **Model Call Monitoring**: Detailed insights into LLM interactions
+- **Performance Analytics**: Monitor latency, token usage, and costs
+- **Debugging Support**: Step-through execution for troubleshooting
+- **Real-time Monitoring**: Live traces and metrics dashboard
+
+## Setup Instructions
+
+
+
+ Install the LangDB client with CrewAI feature flag:
+ ```bash
+ pip install 'pylangdb[crewai]'
+ ```
+
+
+ Configure your LangDB credentials:
+ ```bash
+ export LANGDB_API_KEY=""
+ export LANGDB_PROJECT_ID=""
+ export LANGDB_API_BASE_URL='https://api.us-east-1.langdb.ai'
+ ```
+
+
+ Import and initialize LangDB before configuring your CrewAI code:
+ ```python
+ from pylangdb.crewai import init
+ # Initialize LangDB
+ init()
+ ```
+
+
+ Set up your LLM with LangDB headers:
+ ```python
+ from crewai import Agent, Task, Crew, LLM
+ import os
+
+ # Configure LLM with LangDB headers
+ llm = LLM(
+ model="openai/gpt-4o", # Replace with the model you want to use
+ api_key=os.getenv("LANGDB_API_KEY"),
+ base_url=os.getenv("LANGDB_API_BASE_URL"),
+ extra_headers={"x-project-id": os.getenv("LANGDB_PROJECT_ID")}
+ )
+ ```
+
+
+
+## Quick Start Example
+
+Here's a simple example to get you started with LangDB and CrewAI:
+
+```python
+import os
+from pylangdb.crewai import init
+from crewai import Agent, Task, Crew, LLM
+
+# Initialize LangDB before any CrewAI imports
+init()
+
+def create_llm(model):
+ return LLM(
+ model=model,
+ api_key=os.environ.get("LANGDB_API_KEY"),
+ base_url=os.environ.get("LANGDB_API_BASE_URL"),
+ extra_headers={"x-project-id": os.environ.get("LANGDB_PROJECT_ID")}
+ )
+
+# Define your agent
+researcher = Agent(
+ role="Research Specialist",
+ goal="Research topics thoroughly",
+ backstory="Expert researcher with skills in finding information",
+ llm=create_llm("openai/gpt-4o"), # Replace with the model you want to use
+ verbose=True
+)
+
+# Create a task
+task = Task(
+ description="Research the given topic and provide a comprehensive summary",
+ agent=researcher,
+ expected_output="Detailed research summary with key findings"
+)
+
+# Create and run the crew
+crew = Crew(agents=[researcher], tasks=[task])
+result = crew.kickoff()
+print(result)
+```
+
+## Complete Example: Research and Planning Agent
+
+This comprehensive example demonstrates a multi-agent workflow with research and planning capabilities.
+
+### Prerequisites
+
+```bash
+pip install crewai 'pylangdb[crewai]' crewai_tools setuptools python-dotenv
+```
+
+### Environment Setup
+
+```bash
+# LangDB credentials
+export LANGDB_API_KEY=""
+export LANGDB_PROJECT_ID=""
+export LANGDB_API_BASE_URL='https://api.us-east-1.langdb.ai'
+
+# Additional API keys (optional)
+export SERPER_API_KEY="" # For web search capabilities
+```
+
+### Complete Implementation
+
+```python
+#!/usr/bin/env python3
+
+import os
+import sys
+from pylangdb.crewai import init
+init() # Initialize LangDB before any CrewAI imports
+from dotenv import load_dotenv
+from crewai import Agent, Task, Crew, Process, LLM
+from crewai_tools import SerperDevTool
+
+load_dotenv()
+
+def create_llm(model):
+ return LLM(
+ model=model,
+ api_key=os.environ.get("LANGDB_API_KEY"),
+ base_url=os.environ.get("LANGDB_API_BASE_URL"),
+ extra_headers={"x-project-id": os.environ.get("LANGDB_PROJECT_ID")}
+ )
+
+class ResearchPlanningCrew:
+ def researcher(self) -> Agent:
+ return Agent(
+ role="Research Specialist",
+ goal="Research topics thoroughly and compile comprehensive information",
+ backstory="Expert researcher with skills in finding and analyzing information from various sources",
+ tools=[SerperDevTool()],
+ llm=create_llm("openai/gpt-4o"),
+ verbose=True
+ )
+
+ def planner(self) -> Agent:
+ return Agent(
+ role="Strategic Planner",
+ goal="Create actionable plans based on research findings",
+ backstory="Strategic planner who breaks down complex challenges into executable plans",
+ reasoning=True,
+ max_reasoning_attempts=3,
+ llm=create_llm("openai/anthropic/claude-3.7-sonnet"),
+ verbose=True
+ )
+
+ def research_task(self) -> Task:
+ return Task(
+ description="Research the topic thoroughly and compile comprehensive information",
+ agent=self.researcher(),
+ expected_output="Comprehensive research report with key findings and insights"
+ )
+
+ def planning_task(self) -> Task:
+ return Task(
+ description="Create a strategic plan based on the research findings",
+ agent=self.planner(),
+ expected_output="Strategic execution plan with phases, goals, and actionable steps",
+ context=[self.research_task()]
+ )
+
+ def crew(self) -> Crew:
+ return Crew(
+ agents=[self.researcher(), self.planner()],
+ tasks=[self.research_task(), self.planning_task()],
+ verbose=True,
+ process=Process.sequential
+ )
+
+def main():
+ topic = sys.argv[1] if len(sys.argv) > 1 else "Artificial Intelligence in Healthcare"
+
+ crew_instance = ResearchPlanningCrew()
+
+ # Update task descriptions with the specific topic
+ crew_instance.research_task().description = f"Research {topic} thoroughly and compile comprehensive information"
+ crew_instance.planning_task().description = f"Create a strategic plan for {topic} based on the research findings"
+
+ result = crew_instance.crew().kickoff()
+ print(result)
+
+if __name__ == "__main__":
+ main()
+```
+
+### Running the Example
+
+```bash
+python main.py "Sustainable Energy Solutions"
+```
+
+## Viewing Traces in LangDB
+
+After running your CrewAI application, you can view detailed traces in the LangDB dashboard:
+
+
+ 
+
+
+### What You'll See
+
+- **Agent Interactions**: Complete flow of agent conversations and task handoffs
+- **Tool Usage**: Which tools were called, their inputs, and outputs
+- **Model Calls**: Detailed LLM interactions with prompts image.pngand responses
+- **Performance Metrics**: Latency, token usage, and cost tracking
+- **Execution Timeline**: Step-by-step view of the entire workflow
+
+
+## Troubleshooting
+
+### Common Issues
+
+- **No traces appearing**: Ensure `init()` is called before any CrewAI imports
+- **Authentication errors**: Verify your LangDB API key and project ID
+
+
+## Resources
+
+
+
+ Official LangDB documentation and guides
+
+
+ Step-by-step tutorials for building AI agents
+
+
+ Complete CrewAI integration examples
+
+
+ Access your traces and analytics
+
+
+ Browse 350+ available language models
+
+
+ Self-hosted options and enterprise capabilities
+
+
+
+## Next Steps
+
+This guide covered the basics of integrating LangDB AI Gateway with CrewAI. To further enhance your AI workflows, explore:
+
+- **Virtual Models**: Create custom model configurations with routing strategies
+- **Guardrails & Safety**: Implement content filtering and compliance controls
+- **Production Deployment**: Configure fallbacks, retries, and load balancing
+
+For more advanced features and use cases, visit the [LangDB Documentation](https://docs.langdb.ai) or explore the [Model Catalog](https://app.langdb.ai/models) to discover all available models.
diff --git a/docs/en/observability/overview.mdx b/docs/en/observability/overview.mdx
index 47ee356d4..af8454d97 100644
--- a/docs/en/observability/overview.mdx
+++ b/docs/en/observability/overview.mdx
@@ -25,6 +25,10 @@ Observability is crucial for understanding how your CrewAI agents perform, ident
Session replays, metrics, and monitoring for agent development and production.
+
+ End-to-end tracing for CrewAI workflows with automatic agent interaction capture.
+
+
OpenTelemetry-native monitoring with cost tracking and performance analytics.
diff --git a/docs/images/langdb-1.png b/docs/images/langdb-1.png
new file mode 100644
index 000000000..a497a6509
Binary files /dev/null and b/docs/images/langdb-1.png differ
diff --git a/docs/images/langdb-2.png b/docs/images/langdb-2.png
new file mode 100644
index 000000000..7c7e0b41a
Binary files /dev/null and b/docs/images/langdb-2.png differ
diff --git a/docs/pt-BR/observability/langdb.mdx b/docs/pt-BR/observability/langdb.mdx
new file mode 100644
index 000000000..acb0f434d
--- /dev/null
+++ b/docs/pt-BR/observability/langdb.mdx
@@ -0,0 +1,286 @@
+---
+title: Integração LangDB
+description: Governe, proteja e otimize seus fluxos de trabalho CrewAI com LangDB AI Gateway—acesse mais de 350 modelos, roteamento automático, otimização de custos e observabilidade completa.
+icon: database
+---
+
+# Introdução
+
+[LangDB AI Gateway](https://langdb.ai) fornece APIs compatíveis com OpenAI para conectar com múltiplos Modelos de Linguagem Grandes e serve como uma plataforma de observabilidade que torna effortless rastrear fluxos de trabalho CrewAI de ponta a ponta, proporcionando acesso a mais de 350 modelos de linguagem. Com uma única chamada `init()`, todas as interações de agentes, execuções de tarefas e chamadas LLM são capturadas, fornecendo observabilidade abrangente e infraestrutura de IA pronta para produção para suas aplicações.
+
+
+
+
+
+**Confira:** [Ver o exemplo de trace ao vivo](https://app.langdb.ai/sharing/threads/3becbfed-a1be-ae84-ea3c-4942867a3e22)
+
+## Recursos
+
+### Capacidades do AI Gateway
+- **Acesso a mais de 350 LLMs**: Conecte-se a todos os principais modelos de linguagem através de uma única integração
+- **Modelos Virtuais**: Crie configurações de modelo personalizadas com parâmetros específicos e regras de roteamento
+- **MCP Virtual**: Habilite compatibilidade e integração com sistemas MCP (Model Context Protocol) para comunicação aprimorada de agentes
+- **Guardrails**: Implemente medidas de segurança e controles de conformidade para comportamento de agentes
+
+### Observabilidade e Rastreamento
+- **Rastreamento Automático**: Uma única chamada `init()` captura todas as interações CrewAI
+- **Visibilidade Ponta a Ponta**: Monitore fluxos de trabalho de agentes do início ao fim
+- **Rastreamento de Uso de Ferramentas**: Rastreie quais ferramentas os agentes usam e seus resultados
+- **Monitoramento de Chamadas de Modelo**: Insights detalhados sobre interações LLM
+- **Análise de Performance**: Monitore latência, uso de tokens e custos
+- **Suporte a Depuração**: Execução passo a passo para solução de problemas
+- **Monitoramento em Tempo Real**: Dashboard de traces e métricas ao vivo
+
+## Instruções de Configuração
+
+
+
+ Instale o cliente LangDB com flag de recurso CrewAI:
+ ```bash
+ pip install 'pylangdb[crewai]'
+ ```
+
+
+ Configure suas credenciais LangDB:
+ ```bash
+ export LANGDB_API_KEY=""
+ export LANGDB_PROJECT_ID=""
+ export LANGDB_API_BASE_URL='https://api.us-east-1.langdb.ai'
+ ```
+
+
+ Importe e inicialize LangDB antes de configurar seu código CrewAI:
+ ```python
+ from pylangdb.crewai import init
+ # Inicializar LangDB
+ init()
+ ```
+
+
+ Configure seu LLM com cabeçalhos LangDB:
+ ```python
+ from crewai import Agent, Task, Crew, LLM
+ import os
+
+ # Configurar LLM com cabeçalhos LangDB
+ llm = LLM(
+ model="openai/gpt-4o", # Substitua pelo modelo que você quer usar
+ api_key=os.getenv("LANGDB_API_KEY"),
+ base_url=os.getenv("LANGDB_API_BASE_URL"),
+ extra_headers={"x-project-id": os.getenv("LANGDB_PROJECT_ID")}
+ )
+ ```
+
+
+
+## Exemplo de Início Rápido
+
+Aqui está um exemplo simples para começar com LangDB e CrewAI:
+
+```python
+import os
+from pylangdb.crewai import init
+from crewai import Agent, Task, Crew, LLM
+
+# Inicializar LangDB antes de qualquer importação CrewAI
+init()
+
+def create_llm(model):
+ return LLM(
+ model=model,
+ api_key=os.environ.get("LANGDB_API_KEY"),
+ base_url=os.environ.get("LANGDB_API_BASE_URL"),
+ extra_headers={"x-project-id": os.environ.get("LANGDB_PROJECT_ID")}
+ )
+
+# Defina seu agente
+researcher = Agent(
+ role="Especialista em Pesquisa",
+ goal="Pesquisar tópicos minuciosamente",
+ backstory="Pesquisador especialista com habilidades em encontrar informações",
+ llm=create_llm("openai/gpt-4o"), # Substitua pelo modelo que você quer usar
+ verbose=True
+)
+
+# Criar uma tarefa
+task = Task(
+ description="Pesquise o tópico dado e forneça um resumo abrangente",
+ agent=researcher,
+ expected_output="Resumo de pesquisa detalhado com principais descobertas"
+)
+
+# Criar e executar a equipe
+crew = Crew(agents=[researcher], tasks=[task])
+result = crew.kickoff()
+print(result)
+```
+
+## Exemplo Completo: Agente de Pesquisa e Planejamento
+
+Este exemplo abrangente demonstra um fluxo de trabalho multi-agente com capacidades de pesquisa e planejamento.
+
+### Pré-requisitos
+
+```bash
+pip install crewai 'pylangdb[crewai]' crewai_tools setuptools python-dotenv
+```
+
+### Configuração do Ambiente
+
+```bash
+# Credenciais LangDB
+export LANGDB_API_KEY=""
+export LANGDB_PROJECT_ID=""
+export LANGDB_API_BASE_URL='https://api.us-east-1.langdb.ai'
+
+# Chaves API adicionais (opcional)
+export SERPER_API_KEY="" # Para capacidades de busca na web
+```
+
+### Implementação Completa
+
+```python
+#!/usr/bin/env python3
+
+import os
+import sys
+from pylangdb.crewai import init
+init() # Inicializar LangDB antes de qualquer importação CrewAI
+from dotenv import load_dotenv
+from crewai import Agent, Task, Crew, Process, LLM
+from crewai_tools import SerperDevTool
+
+load_dotenv()
+
+def create_llm(model):
+ return LLM(
+ model=model,
+ api_key=os.environ.get("LANGDB_API_KEY"),
+ base_url=os.environ.get("LANGDB_API_BASE_URL"),
+ extra_headers={"x-project-id": os.environ.get("LANGDB_PROJECT_ID")}
+ )
+
+class ResearchPlanningCrew:
+ def researcher(self) -> Agent:
+ return Agent(
+ role="Especialista em Pesquisa",
+ goal="Pesquisar tópicos minuciosamente e compilar informações abrangentes",
+ backstory="Pesquisador especialista com habilidades em encontrar e analisar informações de várias fontes",
+ tools=[SerperDevTool()],
+ llm=create_llm("openai/gpt-4o"),
+ verbose=True
+ )
+
+ def planner(self) -> Agent:
+ return Agent(
+ role="Planejador Estratégico",
+ goal="Criar planos acionáveis baseados em descobertas de pesquisa",
+ backstory="Planejador estratégico que divide desafios complexos em planos executáveis",
+ reasoning=True,
+ max_reasoning_attempts=3,
+ llm=create_llm("openai/anthropic/claude-3.7-sonnet"),
+ verbose=True
+ )
+
+ def research_task(self) -> Task:
+ return Task(
+ description="Pesquise o tópico minuciosamente e compile informações abrangentes",
+ agent=self.researcher(),
+ expected_output="Relatório de pesquisa abrangente com principais descobertas e insights"
+ )
+
+ def planning_task(self) -> Task:
+ return Task(
+ description="Crie um plano estratégico baseado nas descobertas da pesquisa",
+ agent=self.planner(),
+ expected_output="Plano de execução estratégica com fases, objetivos e etapas acionáveis",
+ context=[self.research_task()]
+ )
+
+ def crew(self) -> Crew:
+ return Crew(
+ agents=[self.researcher(), self.planner()],
+ tasks=[self.research_task(), self.planning_task()],
+ verbose=True,
+ process=Process.sequential
+ )
+
+def main():
+ topic = sys.argv[1] if len(sys.argv) > 1 else "Inteligência Artificial na Saúde"
+
+ crew_instance = ResearchPlanningCrew()
+
+ # Atualizar descrições de tarefas com o tópico específico
+ crew_instance.research_task().description = f"Pesquise {topic} minuciosamente e compile informações abrangentes"
+ crew_instance.planning_task().description = f"Crie um plano estratégico para {topic} baseado nas descobertas da pesquisa"
+
+ result = crew_instance.crew().kickoff()
+ print(result)
+
+if __name__ == "__main__":
+ main()
+```
+
+### Executando o Exemplo
+
+```bash
+python main.py "Soluções de Energia Sustentável"
+```
+
+## Visualizando Traces no LangDB
+
+Após executar sua aplicação CrewAI, você pode visualizar traces detalhados no dashboard LangDB:
+
+
+
+
+
+### O Que Você Verá
+
+- **Interações de Agentes**: Fluxo completo de conversas de agentes e transferências de tarefas
+- **Uso de Ferramentas**: Quais ferramentas foram chamadas, suas entradas e saídas
+- **Chamadas de Modelo**: Interações LLM detalhadas com prompts e respostas
+- **Métricas de Performance**: Rastreamento de latência, uso de tokens e custos
+- **Linha do Tempo de Execução**: Visualização passo a passo de todo o fluxo de trabalho
+
+
+## Solução de Problemas
+
+### Problemas Comuns
+
+- **Nenhum trace aparecendo**: Certifique-se de que `init()` seja chamado antes de qualquer importação CrewAI
+- **Erros de autenticação**: Verifique sua chave API LangDB e ID do projeto
+
+
+## Recursos
+
+
+
+ Documentação oficial e guias LangDB
+
+
+ Tutoriais passo a passo para construir agentes de IA
+
+
+ Exemplos completos de integração CrewAI
+
+
+ Acesse seus traces e análises
+
+
+ Navegue por mais de 350 modelos de linguagem disponíveis
+
+
+ Opções auto-hospedadas e capacidades empresariais
+
+
+
+## Próximos Passos
+
+Este guia cobriu o básico da integração do LangDB AI Gateway com CrewAI. Para aprimorar ainda mais seus fluxos de trabalho de IA, explore:
+
+- **Modelos Virtuais**: Crie configurações de modelo personalizadas com estratégias de roteamento
+- **Guardrails e Segurança**: Implemente filtragem de conteúdo e controles de conformidade
+- **Implantação em Produção**: Configure fallbacks, tentativas e balanceamento de carga
+
+Para recursos mais avançados e casos de uso, visite a [Documentação LangDB](https://docs.langdb.ai) ou explore o [Catálogo de Modelos](https://app.langdb.ai/models) para descobrir todos os modelos disponíveis.
\ No newline at end of file
diff --git a/docs/pt-BR/observability/overview.mdx b/docs/pt-BR/observability/overview.mdx
index 5014af031..357c0d709 100644
--- a/docs/pt-BR/observability/overview.mdx
+++ b/docs/pt-BR/observability/overview.mdx
@@ -25,6 +25,10 @@ A observabilidade é fundamental para entender como seus agentes CrewAI estão d
Replays de sessões, métricas e monitoramento para desenvolvimento e produção de agentes.
+
+ Rastreamento ponta a ponta para fluxos de trabalho CrewAI com captura automática de interações de agentes.
+
+
Monitoramento nativo OpenTelemetry com rastreamento de custos e análises de desempenho.