langgraph

[LangGraph 번역] Persistence

LangGraph는 checkpointer를 통해 구현된 내장 persistence 레이어를 가지고 있습니다. checkpointer를 사용하여 그래프를 컴파일하면, checkpointer는 모든 super-step에서 그래프 상태의 checkpoint를 저장합니다. 이러한 checkpoint들은 thread에 저장되며, 그래프 실행 후에 액세스할 수 있습니다. threads는 실행 후 그래프의 상태에 액세스할 수 있게 하므로, human-in-the-loop, memory, time travel, fault-tolerance를 포함한 여러 강력한 기능들이 모두 가능해집니다. 아래에서 이러한 각 개념들에 대해 더 자세히 설명하겠습니다.!!! info "LangGraph API는 자동으로 checkpoin..

2025. 9. 25. 21:03

langgraph

[LangGraph 번역] 평가하기 (Evals)

에이전트의 성능을 평가하려면 LangSmith evaluations를 사용할 수 있습니다. 먼저 에이전트의 결과(최종 출력 또는 궤적)를 판단할 평가자 함수를 정의해야 합니다. 평가 기법에 따라 참조 출력이 필요할 수도 있고 필요하지 않을 수도 있습니다:def evaluator(*, outputs: dict, reference_outputs: dict): # 에이전트 출력을 참조 출력과 비교 output_messages = outputs["messages"] reference_messages = reference_outputs["messages"] score = compare_messages(output_messages, reference_messages) return {"ke..

2025. 9. 25. 20:36

langgraph

[LangGraph 번역] MCP 사용하기 (Use MCP)

Model Context Protocol (MCP)은 애플리케이션이 언어 모델에 도구와 컨텍스트를 제공하는 방법을 표준화하는 개방형 프로토콜입니다. LangGraph 에이전트는 langchain-mcp-adapters 라이브러리를 통해 MCP 서버에 정의된 도구를 사용할 수 있습니다.LangGraph에서 MCP 도구를 사용하려면 langchain-mcp-adapters 라이브러리를 설치하세요:pip install langchain-mcp-adaptersMCP 도구 사용하기langchain-mcp-adapters 패키지를 사용하면 에이전트가 하나 이상의 MCP 서버에서 정의된 도구를 사용할 수 있습니다.기본 에이전트 설정from langchain_openai import ChatOpenAIfrom lang..

2025. 9. 25. 20:33

langgraph

[LangGraph 번역] 멀티 에이전트 시스템 구축

출처: https://langchain-ai.github.io/langgraph/how-tos/multi_agent/단일 에이전트는 여러 도메인에 특화하거나 많은 도구를 관리해야 하는 경우 어려움을 겪을 수 있습니다. 이를 해결하기 위해 에이전트를 더 작고 독립적인 에이전트들로 분해하여 멀티 에이전트 시스템으로 구성할 수 있습니다.멀티 에이전트 시스템에서 에이전트들은 서로 간에 통신해야 합니다. 이들은 handoffs를 통해 통신합니다 — handoffs는 어떤 에이전트에게 제어권을 넘길지와 해당 에이전트에게 보낼 payload를 설명하는 원시 기능입니다.이 가이드는 다음 내용을 다룹니다:에이전트 간 handoffs 구현handoffs와 사전 구축된 agent를 사용하여 커스텀 멀티 에이전트 시스템 구축..

2025. 9. 25. 20:32

langgraph

[LangGraph 번역] 멀티 에이전트 (Multi-agent)

단일 에이전트는 여러 도메인에 특화되거나 많은 도구를 관리해야 하는 경우 어려움을 겪을 수 있습니다. 이를 해결하기 위해 에이전트를 더 작고 독립적인 에이전트들로 나누고 이를 멀티 에이전트 시스템으로 구성할 수 있습니다.멀티 에이전트 시스템에서 에이전트들은 서로 통신해야 합니다. 이들은 handoffs를 통해 소통합니다 — 제어를 넘겨줄 에이전트와 해당 에이전트에게 보낼 페이로드를 설명하는 원시형(primitive)입니다.가장 인기 있는 두 가지 멀티 에이전트 아키텍처는 다음과 같습니다:supervisor — 개별 에이전트들이 중앙 supervisor 에이전트에 의해 조정됩니다. supervisor는 모든 통신 흐름과 작업 위임을 제어하며, 현재 컨텍스트와 작업 요구사항을 기반으로 어떤 에이전트를 호출할..

2025. 9. 25. 20:28

langgraph

[LangGraph 번역] 멀티 에이전트 시스템 (Multi-agent systems)

에이전트는 _LLM을 사용하여 애플리케이션의 제어 흐름을 결정하는 시스템_입니다. 이러한 시스템을 개발하다 보면 시간이 지남에 따라 더 복잡해져서 관리하고 확장하기 어려워질 수 있습니다. 예를 들어, 다음과 같은 문제들이 발생할 수 있습니다:에이전트가 사용할 수 있는 도구가 너무 많아서 다음에 어떤 도구를 호출할지에 대해 잘못된 결정을 내림컨텍스트가 단일 에이전트가 추적하기에는 너무 복잡해짐시스템에서 여러 전문 분야가 필요함 (예: 계획자, 연구자, 수학 전문가 등)이러한 문제들을 해결하기 위해 애플리케이션을 여러 개의 더 작고 독립적인 에이전트로 나누고 이를 멀티 에이전트 시스템으로 구성하는 것을 고려할 수 있습니다. 이러한 독립적인 에이전트들은 프롬프트와 LLM 호출만큼 간단할 수도 있고, ReAct..

2025. 9. 25. 20:25

langgraph

[LangGraph 번역] 서브그래프 사용하기 (Use subgraphs)

이 가이드는 서브그래프 사용 방법을 설명합니다. 서브그래프의 일반적인 활용 사례는 다중 에이전트 시스템을 구축하는 것입니다.서브그래프를 추가할 때는 부모 그래프와 서브그래프가 어떻게 통신하는지 정의해야 합니다:공유 상태 스키마 — 부모와 서브그래프가 상태 스키마에서 공유 상태 키를 가지는 경우서로 다른 상태 스키마 — 부모와 서브그래프 스키마에 공유 상태 키가 없는 경우설정pip install -U langgraphLangGraph 개발을 위한 LangSmith 설정LangSmith에 가입하여 LangGraph 프로젝트의 문제를 빠르게 발견하고 성능을 개선하세요. LangSmith를 사용하면 추적 데이터를 사용하여 LangGraph로 구축된 LLM 앱을 디버그, 테스트 및 모니터링할 수 있습니다. 시작하..

2025. 9. 25. 20:09

langgraph

[LangGraph 번역] 서브그래프 (Subgraphs)

[LangGraph 번역] 서브그래프 (Subgraphs)서브그래프는 다른 그래프에서 노드로 사용되는 그래프입니다. 이는 LangGraph에 적용된 캡슐화 개념입니다. 서브그래프를 사용하면 여러 구성 요소가 각각 그래프인 복잡한 시스템을 구축할 수 있습니다.서브그래프를 사용하는 이유는 다음과 같습니다:다중 에이전트 시스템 구축여러 그래프에서 노드 집합을 재사용하고자 할 때서로 다른 팀이 그래프의 서로 다른 부분을 독립적으로 작업하고자 할 때, 각 부분을 서브그래프로 정의하고 서브그래프 인터페이스(입력 및 출력 스키마)가 준수되는 한 부모 그래프는 서브그래프의 세부 사항을 알 필요 없이 구축할 수 있습니다서브그래프를 추가할 때 주요 질문은 부모 그래프와 서브그래프가 어떻게 통신하는지, 즉 그래프 실행 중에..

2025. 9. 25. 20:03

langgraph

[LangGraph 번역] 타임트래블 사용하기 (Use time-travel)

LangGraph에서 time-travel을 사용하려면:invoke 또는 stream 메서드를 사용하여 초기 입력으로 그래프 실행기존 스레드에서 체크포인트 식별: get_state_history() 메서드를 사용하여 특정 thread_id의 실행 히스토리를 검색하고 원하는 checkpoint_id를 찾습니다.또는 실행을 일시 정지하려는 노드 앞에 interrupt를 설정할 수 있습니다. 그러면 해당 interrupt까지 기록된 가장 최근 체크포인트를 찾을 수 있습니다.그래프 상태 업데이트 (선택사항): update_state 메서드를 사용하여 체크포인트에서 그래프의 상태를 수정하고 대안 상태에서 실행을 재개합니다.체크포인트에서 실행 재개: 적절한 thread_id와 checkpoint_id를 포함하는 구..

2025. 9. 25. 20:01

langgraph

[LangGraph 번역] 사람 개입 활성화하기 (Enable human intervention)

에이전트나 워크플로우에서 도구 호출을 검토, 편집, 승인하려면 interrupt를 사용하여 그래프를 일시 정지하고 사람의 입력을 기다립니다. Interrupt는 그래프 상태를 저장하는 LangGraph의 persistence 레이어를 사용하여 재개할 때까지 그래프 실행을 무기한 일시 정지합니다.정보human-in-the-loop 워크플로우에 대한 자세한 내용은 Human-in-the-Loop 개념 가이드를 참조하십시오.interrupt를 사용한 일시 정지동적 인터럽트 (동적 중단점이라고도 함)는 그래프의 현재 상태에 따라 트리거됩니다. 적절한 위치에서 interrupt 함수를 호출하여 동적 인터럽트를 설정할 수 있습니다. 그래프가 일시 정지되어 사람의 개입을 허용하고, 그들의 입력으로 그래프를 재개합니다..

2025. 9. 25. 20:00

langgraph

[langgraph 번역] Human-in-the-loop (사람 개입 루프)

에이전트나 워크플로우에서 도구 호출을 검토, 편집 및 승인하려면, LangGraph의 human-in-the-loop 기능을 사용하여 워크플로우의 어느 지점에서든 사람 개입을 가능하게 하세요. 이는 모델 출력이 검증, 수정 또는 추가 컨텍스트가 필요할 수 있는 대규모 언어 모델(LLM) 기반 애플리케이션에서 특히 유용합니다.human-in-the-loop 사용 방법에 대한 정보는 사람 개입 활성화하기와 Server API를 사용한 Human-in-the-loop을 참조하세요.주요 기능지속적인 실행 상태(Persistent execution state): 인터럽트는 그래프 상태를 저장하는 LangGraph의 지속성 레이어를 사용하여 재개할 때까지 그래프 실행을 무기한 일시 중지할 수 있습니다. 이는 Lan..

2025. 9. 25. 19:50

langgraph

[LangGraph 번역] 도구 호출하기 (Call tools)

도구(Tools)는 호출 가능한 함수와 해당 입력 스키마를 캡슐화합니다. 이러한 도구들은 호환되는 채팅 모델에 전달될 수 있으며, 모델이 도구를 호출할지 여부와 적절한 인수를 결정할 수 있도록 합니다.직접 도구를 정의하거나 사전 구축된 도구를 사용할 수 있습니다.도구 정의from langchain_core.tools import tool@tooldef multiply(a: int, b: int) -> int: """두 숫자를 곱합니다.""" return a * b도구 정의의 주요 포인트:langchain_core.tools의 @tool 데코레이터를 사용타입 어노테이션이 있는 입력 및 출력 매개변수로 함수 정의도구의 목적을 설명하는 docstring 포함데코레이터가 자동으로 도구 등록 및 메타데..

2025. 9. 25. 19:49

langgraph

[langgraph 번역] 도구 (Tools)

많은 AI 애플리케이션은 자연어를 통해 사용자와 상호작용합니다. 그러나 일부 사용 사례에서는 모델이 API, 데이터베이스, 파일 시스템과 같은 외부 시스템과 구조화된 입력을 사용하여 직접 인터페이스해야 합니다. 이러한 시나리오에서 도구 호출을 통해 모델이 지정된 입력 스키마에 맞는 요청을 생성할 수 있습니다.도구(Tools)는 호출 가능한 함수와 그 입력 스키마를 캡슐화합니다. 이러한 도구들은 호환되는 채팅 모델에 전달될 수 있으며, 모델이 도구를 호출할지 여부와 어떤 인수를 사용할지를 결정할 수 있게 합니다.도구 호출 (Tool calling)도구 호출은 일반적으로 조건적입니다. 사용자 입력과 사용 가능한 도구를 기반으로, 모델은 도구 호출 요청을 발행할지 선택할 수 있습니다. 이 요청은 AIMessa..

2025. 9. 25. 07:01

langgraph

[LangGraph 번역] 모델 (Models)

주요 포인트LangGraph는 LangChain 라이브러리를 통해 LLM을 지원합니다여러 모델 제공업체를 지원합니다: OpenAI, Anthropic, Azure, Google Gemini, AWS Bedrockinit_chat_model()을 사용하거나 직접 인스턴스화하여 모델을 초기화할 수 있습니다동적 모델 선택 및 고급 구성을 지원합니다모델 초기화 방법init_chat_model() 사용다양한 제공업체에 대한 예제:from langchain import init_chat_model# OpenAIllm = init_chat_model("openai:gpt-4.1")# Anthropicllm = init_chat_model("anthropic:claude-3-5-sonnet-latest")# Azure..

2025. 9. 25. 06:59

langgraph

[LangGraph 번역] 컨텍스트 (Context)

개요컨텍스트 엔지니어링은 AI 애플리케이션에 적절한 정보와 도구를 제공하는 동적 시스템을 구축하는 실무입니다. 컨텍스트는 두 가지 핵심 차원으로 특성화할 수 있습니다:가변성(Mutability):정적 컨텍스트: 불변 데이터 (예: 사용자 메타데이터, 데이터베이스 연결)동적 컨텍스트: 실행 중에 진화하는 가변 데이터수명(Lifetime):런타임 컨텍스트: 단일 실행에 범위가 지정된 데이터교차 대화 컨텍스트: 여러 세션에 걸쳐 지속되는 데이터LangGraph의 컨텍스트 유형LangGraph는 세 가지 컨텍스트 관리 접근 방식을 제공합니다:컨텍스트 유형설명가변성수명접근 방법정적 런타임 컨텍스트시작 시 사용자 메타데이터, 도구정적단일 실행context 인수동적 런타임 컨텍스트실행 중 가변 데이터동적단일 실행La..

2025. 9. 25. 06:59