LangGraph 개발 가이드 요약 및 참고사이트

LangGraph 개발 가이드 요약

LangGraph란?

LangGraph는 LLM(대형 언어 모델) 기반의 복잡한 AI 워크플로우를 상태 기반 그래프 구조로 설계할 수 있도록 도와주는 프레임워크입니다. 여러 에이전트(Agent)와 작업 단계를 노드(Node)와 엣지(Edge)로 모델링하여, 복잡한 분기, 반복, 상태 관리, 사람-AI 협업 등을 체계적으로 구현할 수 있습니다[1][2][3].

---

LangGraph의 핵심 개념

개념	설명	예시
상태(State)	대화 컨텍스트, 중간 결과 등 모든 정보를 저장하는 데이터 구조	이전 대화 내용, 설정, 검색 결과 등
노드(Node)	실행 가능한 작업 단위(Python 함수)	검색, 응답 생성, API 호출 등
엣지(Edge)	노드 간의 연결 및 흐름 제어	조건부 실행, 순차 실행, 분기 등
도구(Tools)	외부 기능 연동	웹 검색, 계산, 파일 처리 등

• 상태(State): 대화의 맥락, 중간 결과, 사용자 입력 등 모든 정보를 저장하며, Python의 TypedDict 또는 BaseModel로 정의합니다[2][4][5].
• 노드(Node): 각 단계별로 실행되는 함수로, 현재 상태를 입력받아 작업을 수행하고 상태를 업데이트합니다[2][4].
• 엣지(Edge): 다음에 실행할 노드를 결정하는 함수로, 조건부 분기나 순차 실행을 구현합니다[2][4][3].

---

LangGraph 주요 기능 및 예시

• 상태 기반 워크플로우: 각 단계별로 상태를 주고받으며, 복잡한 분기와 반복, 에러 복구도 체계적으로 설계할 수 있습니다[1][3].
• 에이전트 조정: 여러 에이전트가 협력하여 공동 목표를 달성할 수 있도록 데이터 흐름과 작업 순서를 관리합니다[1][6].
• 사람-AI 협업: 중간에 수동 개입(휴먼 인더 루프), 상태 롤백(타임 트래블), 대화 분기 등 고급 기능을 지원합니다[2][7].
• 확장성: 웹 검색, API 호출 등 다양한 도구와 연동하여 복잡한 AI 애플리케이션을 쉽게 확장할 수 있습니다[2][6].

기본 챗봇 예시 코드

from langgraph.graph import StateGraph, START, END

class State(TypedDict):
    messages: Annotated[list, add_messages]

graph_builder = StateGraph(State)

def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}

graph_builder.add_node("chatbot", chatbot)
graph_builder.add_edge(START, "chatbot")
graph_builder.add_edge("chatbot", END)
graph = graph_builder.compile()

---

참고 사이트 및 공식 문서

• 공식 문서 및 튜토리얼
  • LangGraph 공식 문서 (영문)[8]
  • LangGraph 개념 및 빠른 시작[7]
  • LangChain 공식 LangGraph 안내[9]
  • LangGraph 예제 코드 (GitHub)[10]
  • LangGraph Studio (시각화/디버깅 툴)[11]
• 한글 개발 가이드/블로그
  • LangGraph 쉽게 이해하기: 초보자 가이드[12]
  • LangGraph 개념 및 예시[1]
  • LangGraph 완벽 가이드: AI 챗봇 개발[2]
  • LangGraph Glossary 번역[4]
  • 01. 기본 그래프 생성 튜토리얼[5]
  • LangChain의 새로운 라이브러리 LangGraph 훑어보기[6]

 

LangGraph를 이용해 좀더 유연한 LLM 서비스를 개발할 수 있을것 같습니다. 

참고 부탁 드립니다.