langchain

[langchain] langchain-openai v0.2, v0.3의 스트리밍 문제

langchain-openai를 v0.2 버전을 사용하다가 v0.3으로 업그레이드를 하니 갑자기 잘되던 스트리밍 출력이 안되었다. 그래서 원인 파악을 해보았다. 기본 출력은 아니로 구조화된 출력(with_structured_output)을 하는 형태였다.langchain-openai v0.2 버전 사용[pyproject.toml]langchain==0.3.3langchain_openai==0.2.2예제 코드from dotenv import load_dotenvfrom pydantic import BaseModel, Fieldfrom langchain_openai import ChatOpenAIfrom langchain_core.prompts import PromptTemplateload_dotenv()c..

2025. 11. 18. 07:03

AI 지식

[Vite 번역] Vite+ 발표

[Vite 번역] Vite+ 발표출처: https://voidzero.dev/posts/announcing-vite-plus날짜: 2025년 10월 13일작성자: Evan YouVite+ 발표: JavaScript를 위한 통합 툴체인팀은 암스테르담에서 개최된 첫 번째 대면 ViteConf에서 Vite+를 공개했습니다. 이 글에서는 Vite+의 기능과 근본적인 동기에 대해 자세히 설명합니다.Vite+란 무엇인가?Vite+는 npm을 통해 설치할 수 있는 커맨드라인 개발자 도구로 작동합니다. 추가 기능이 포함된 업그레이드된 버전의 Vite를 나타냅니다. vite dev 및 vite build 외에도 사용자는 다음에 액세스할 수 있습니다:vite new — 새 프로젝트, 특히 monorepo를 스캐폴딩하며, ..

2025. 11. 13. 17:59

AI 지식

[RAG 번역] Production RAG: 5M+ 문서 처리에서 배운 것들

저자: Abdellatif Abdelfattah게시일: 2025년 10월 20일 | 3분 읽기출처: https://blog.abdellatif.io/production-rag-processing-5m-documents개요저자는 Usul AI(9M 페이지)와 엔터프라이즈 법률 AI 클라이언트(4M 페이지)를 위한 RAG 시스템을 구축하면서 총 1,300만 페이지 이상을 처리한 8개월간의 경험에서 얻은 인사이트를 공유합니다.초기 접근법: Langchain + Llamaindex팀은 YouTube 튜토리얼로 시작하여 Langchain에서 Llamaindex로 진행했습니다. 며칠 만에 작동하는 프로토타입을 구현했고 100개의 문서에서 성공적으로 테스트했습니다. 하지만 프로덕션 데이터에 배포한 후, 일주일간의 구..

2025. 11. 13. 17:57

AI 지식

[AI 번역] MiniMax-M2

커뮤니티에 참여하세요 💬 WeChat | 🧩 Discord MiniMax Agent | ⚡️ API (제한된 기간 동안 무료!) | MCP | MiniMax 웹사이트 🤗 Hugging Face | 🐙 GitHub | 🤖️ ModelScope | 📄 라이선스: MIT MiniMax-M2 소개오늘, 우리는 Mini 모델로서 Max 코딩 및 에이전트 워크플로우를 위해 구축된 MiniMax-M2를 출시하고 오픈 소스로 공개합니다.MiniMax-M2는 에이전트를 위한 효율성을 재정의합니다. 이는 강력한 일반 지능을 유지하면서 코딩 및 에이전트 작업에서 뛰어난 성능을 발휘하도록 구축..

2025. 11. 13. 17:57

AI 지식

[Claude Code 번역] 제가 모든 Claude Code 기능을 사용하는 방법

[Claude Code 번역] 제가 모든 Claude Code 기능을 사용하는 방법출처: https://blog.sshh.io/p/how-i-use-every-claude-code-feature저자: Shrivu Shankar작성일: 2025년 11월 2일부제: Claude Code를 사용하는 모든 방법에 대한 브레인 덤프저는 Claude Code를 많이 사용합니다.취미 개발자로서 저는 일주일에 몇 번씩 VM에서 사이드 프로젝트를 진행하며, 종종 --dangerously-skip-permissions 옵션을 사용해 머릿속에 떠오른 아이디어를 자유롭게 코딩합니다. 업무적으로는 저희 팀의 일부가 엔지니어링 팀을 위한 AI-IDE 규칙과 도구를 구축하고 있는데, 코드 생성만으로 매달 수십억 토큰을 소비합니다...

2025. 11. 13. 17:56

AI 지식

[Claude Skills 번역] Awesome Claude Skills

출처: https://github.com/ComposioHQ/awesome-claude-skillsClaude.ai, Claude Code, Claude API에서 생산성을 향상시키는 실용적인 Claude Skills의 큐레이션된 목록입니다.스킬이 500개 이상의 앱에서 작업을 수행하도록 하려면 Composio와 연결하세요.목차Claude Skills란 무엇인가?Skills문서 처리개발 및 코드 도구데이터 및 분석비즈니스 및 마케팅커뮤니케이션 및 작성창작 및 미디어생산성 및 조직협업 및 프로젝트 관리보안 및 시스템시작하기Skills 만들기기여하기리소스라이선스Claude Skills란 무엇인가?Claude Skills는 Claude가 고유한 요구사항에 따라 특정 작업을 수행하는 방법을 가르치는 맞춤형 워크..

2025. 11. 13. 17:56

AI 지식

[AI/금융 번역] 금융 서비스를 위한 Claude 발전

출처: https://www.anthropic.com/news/advancing-claude-for-financial-services우리는 Claude for Financial Services를 Excel 추가 기능, 실시간 시장 데이터 및 포트폴리오 분석에 대한 추가 커넥터, 할인 현금 흐름 모델 구축 및 커버리지 리포트 작성과 같은 사전 구축된 새로운 Agent Skills로 확장하고 있습니다.이러한 업데이트는 금융 업무에서 Sonnet 4.5의 최첨단 성능을 기반으로 하며, Vals AI의 Finance Agent benchmark에서 55.3%의 정확도로 1위를 차지했습니다. 이들은 선호하는 업계 도구에 통합된 시간 소모적이지만 중요한 금융 업무를 위한 솔루션으로 Claude의 지능을 강화합니다...

2025. 11. 13. 17:56

langchain

[LangChain v1.0] Observability

ObservabilityObservability는 프로덕션 환경에서 에이전트가 어떻게 동작하는지 이해하는 데 매우 중요합니다. LangChain의 create_agent를 사용하면 LangSmith를 통한 내장 관찰 기능을 사용할 수 있습니다. LangSmith는 LLM 애플리케이션을 추적(tracing), 디버깅, 평가 및 모니터링하기 위한 강력한 플랫폼입니다.트레이스는 초기 사용자 입력부터 최종 응답까지 에이전트가 수행하는 모든 단계를 캡처하며, 모든 도구 호출, 모델 상호작용 및 의사 결정 지점을 포함합니다. 이를 통해 에이전트를 디버깅하고, 성능을 평가하며, 사용량을 모니터링할 수 있습니다.Prerequisites시작하기 전에 다음 사항을 확인하세요:LangSmith 계정 (무료 가입 가능)Ena..

2025. 11. 8. 21:22

langchain

[LangChain v1.0] Agent Chat UI

출처: https://docs.langchain.com/oss/python/langchain/uiLangChain은 create_agent를 사용하여 생성된 에이전트와 원활하게 작동하는 강력한 사전 구축 사용자 인터페이스를 제공합니다. 이 UI는 로컬에서 실행하거나 배포된 환경(예: LangSmith)에서 최소한의 설정으로 에이전트를 위한 풍부하고 대화형 경험을 제공하도록 설계되었습니다.Agent Chat UIAgent Chat UI는 모든 LangChain 에이전트와 상호 작용하기 위한 대화형 인터페이스를 제공하는 Next.js 애플리케이션입니다. 실시간 채팅, 도구 시각화, 그리고 시간 여행 디버깅 및 상태 포크와 같은 고급 기능을 지원합니다.Agent Chat UI는 오픈 소스이며 애플리케이션 요구..

2025. 11. 8. 21:21

langchain

[LangChain v1.0] Deploy

LangSmith는 에이전트를 프로덕션 시스템으로 전환하는 가장 빠른 방법입니다. 기존 호스팅 플랫폼은 상태 비저장(stateless), 단기 실행 웹 앱을 위해 구축된 반면, LangGraph는 상태 저장(stateful), 장기 실행 에이전트를 위해 특별히 설계되었으므로 몇 분 안에 리포지토리에서 안정적인 클라우드 배포까지 진행할 수 있습니다.Prerequisites시작하기 전에 다음 사항이 있는지 확인하세요:GitHub 계정LangSmith 계정 (무료 가입)Deploy your agent1. Create a repository on GitHub애플리케이션 코드는 LangSmith에 배포하기 위해 GitHub 리포지토리에 있어야 합니다. 공개 및 비공개 리포지토리가 모두 지원됩니다. 이 빠른 시작을..

2025. 11. 8. 21:21

langchain

[LangChain v1.0] Test

출처: https://docs.langchain.com/oss/python/langchain/test에이전트 애플리케이션은 LLM이 문제를 해결하기 위해 자체적으로 다음 단계를 결정하도록 합니다. 이러한 유연성은 강력하지만, 모델의 블랙박스 특성으로 인해 에이전트의 한 부분을 수정하면 나머지 부분에 어떤 영향을 미칠지 예측하기 어렵습니다. 프로덕션 준비가 된 에이전트를 구축하려면 철저한 테스트가 필수적입니다.에이전트를 테스트하는 몇 가지 접근 방식이 있습니다:단위 테스트(Unit tests): 인메모리 페이크를 사용하여 에이전트의 작고 결정적인 부분을 격리하여 실행하므로 정확한 동작을 빠르고 결정적으로 검증할 수 있습니다.통합 테스트(Integration tests): 실제 네트워크 호출을 사용하여 에이..

2025. 11. 8. 21:21

langchain

[LangChain v1.0] Studio

이 가이드는 Studio를 사용하여 에이전트를 로컬에서 시각화하고, 상호작용하고, 디버깅하는 방법을 안내합니다.Studio는 무료로 사용할 수 있는 강력한 에이전트 IDE로, LangSmith와 통합되어 추적, 평가 및 프롬프트 엔지니어링 기능을 제공합니다. 에이전트가 어떻게 생각하는지 정확하게 확인하고, 모든 결정을 추적하며, 더 스마트하고 안정적인 에이전트를 배포할 수 있습니다.[영상: https://www.youtube.com/embed/Mi1gSlHwZLM?si=zA47TNuTC5aH0ahd]Prerequisites시작하기 전에 다음 사항을 확인하세요:LangSmith용 API 키 (무료 가입 가능)Setup local LangGraph server1. Install the LangGraph CL..

2025. 11. 8. 21:20

langchain

[LangChain v1.0] Long-term memory

출처: https://docs.langchain.com/oss/python/langchain/long-term-memory개요LangChain 에이전트는 LangGraph persistence를 사용하여 장기 메모리를 활성화합니다. 이것은 고급 주제이며 LangGraph에 대한 지식이 필요합니다.메모리 저장LangGraph는 장기 메모리를 store에 JSON 문서로 저장합니다.각 메모리는 사용자 정의 namespace(폴더와 유사)와 고유한 key(파일 이름과 유사)를 사용합니다. Namespace는 종종 사용자 또는 조직 ID 또는 정보를 더 쉽게 구성할 수 있도록 하는 기타 레이블을 포함합니다.코드 예제 - 메모리 저장from langgraph.store.memory import InMemorySt..

2025. 11. 8. 21:20

langchain

[LangChain v1.0] Retrieval

대규모 언어 모델(LLM)은 강력하지만 두 가지 주요 제약이 있습니다:유한한 컨텍스트 — 전체 말뭉치를 한 번에 수용할 수 없습니다.정적 지식 — 훈련 데이터가 특정 시점에 고정되어 있습니다.Retrieval은 쿼리 시점에 관련된 외부 지식을 가져옴으로써 이러한 문제를 해결합니다. 이것이 검색-증강 생성(Retrieval-Augmented Generation, RAG)의 기초입니다: 컨텍스트별 정보로 LLM의 답변을 향상시키는 것입니다.Building a knowledge base지식 베이스(knowledge base)는 검색 중에 사용되는 문서 또는 구조화된 데이터의 저장소입니다.맞춤형 지식 베이스가 필요한 경우, LangChain의 document loaders와 vector stores를 사용하여 ..

2025. 11. 8. 21:20

langchain

[LangChain v1.0] Multi-agent

출처: https://docs.langchain.com/oss/python/langchain/multi-agentMulti-agent 시스템은 복잡한 애플리케이션을 여러 특화된 에이전트로 분해하여 함께 문제를 해결하도록 합니다. 모든 단계를 처리하기 위해 단일 에이전트에 의존하는 대신, multi-agent 아키텍처를 사용하면 더 작고 집중된 에이전트들을 조정된 워크플로우로 구성할 수 있습니다.Multi-agent 시스템은 다음과 같은 경우에 유용합니다:단일 에이전트가 너무 많은 도구를 가지고 있어 어떤 도구를 사용할지에 대한 판단이 좋지 않은 경우컨텍스트나 메모리가 하나의 에이전트가 효과적으로 추적하기에는 너무 커지는 경우작업에 전문화가 필요한 경우 (예: 계획자, 연구자, 수학 전문가)Multi-ag..

2025. 11. 8. 21:17