LangChain & LangGraph Concepts You Should Know

개요

LangChain 및 LangGraph의 5가지 핵심 개념은 AI 엔지니어가 프로덕션 수준의 AI 애플리케이션을 구축하기 위해 이해해야 하는 사항들을 설명합니다.

주요 내용

* Chains (AI 워크플로우): 이전 단계의 출력이 다음 단계의 입력으로 사용되는 순차적인 작업 흐름을 의미합니다. 사용자 질문, 문서 검색, LLM 답변 생성, 응답 형식 지정 등의 파이프라인으로 비유할 수 있습니다.
* Tools (AI 기능 확장): LLM이 훈련 데이터 외부의 정보와 상호작용할 수 있도록 합니다. 웹 검색, SQL 데이터베이스 쿼리, REST API 호출, Python 코드 실행, PDF 읽기, 이메일 전송 등이 예시입니다.
* Memory (대화 기억): AI가 상호작용 간에 정보를 기억할 수 있도록 합니다. 단기(현재 대화), 장기(저장된 사실), 의미론적(지식), 일화적(과거 상호작용) 메모리가 있습니다.
* Agents (추론 및 도구 선택): 고정된 워크플로우를 따르지 않고, 목표를 이해하고, 수행할 작업을 결정하며, 적절한 도구를 선택하고 실행한 후 결과를 평가하여 작업을 완료할 때까지 반복합니다.
* Graphs (LangGraph의 핵심 기능): 기존의 선형적인 Chains와 달리, 실행이 분기, 루프, 일시 중지 또는 재개될 수 있는 그래프 구조를 도입합니다. 이는 오류 복구, 의사 결정, 복잡한 워크플로우 관리가 가능한 자율 AI 에이전트 구축에 이상적입니다.

시사점

LangChain과 LangGraph의 이 5가지 개념은 LLM에 도구, 추론, 상태 관리, 견고한 실행 기능을 통합하여 복잡한 AI 애플리케이션을 구축하는 데 필수적인 기반을 제공합니다.