랭그래프 (LangGraph)

💡 LangGraph란 무엇인가?

LLM 시대의 새로운 멀티에이전트 워크플로우 프레임워크

🧭 1. LangGraph 소개

• LangGraph는 LangChain 팀에서 만든 멀티 에이전트 시스템 구축용 프레임워크입니다.

• LLM을 중심으로 작동하는 에이전트(agent) 들이 서로 대화하고 협력하며, 유기적으로 작업을 처리할 수 있도록 지원합니다.

• 기존 LangChain이 직선형 체인 구성에 강점을 가졌다면, LangGraph는 이를 한 단계 더 발전시켜 "상태 기반 그래프(stateful graph)" 구조로 다양한 분기, 반복, 조건 제어를 가능하게 합니다.

🔄 2. 왜 LangGraph인가?

✅ 기존 LangChain의 한계

• 흐름이 직선적(Sequential)

• 멀티에이전트 구조 구현이 복잡

• 상태를 다루기 어려움

🧠 LangGraph의 장점

🧪 3. LangGraph의 구조

🔹 State

• 상태는 Python의 TypedDict 또는 일반 dict로 정의

• 예시: {"messages": [...], "context": ...}

🔹 Node

• 각 노드는 하나의 함수로 정의

• 노드는 LLM 호출, 도구 실행, 판단 등 다양한 작업 수행

🔹 Graph

• 노드를 연결하여 그래프를 구성

• StateGraph()를 통해 생성하며, add_node(), add_edge() 등으로 흐름 정의

🔹 조건 분기 (Conditional Edge)

• 특정 노드에서 조건에 따라 분기

• 예: if result == "retry": go to A, else: go to END

🧰 4. 예시 코드 (간단한 에이전트 흐름)

from langgraph.graph import StateGraph, START, END

def ask_user(state):
    print("사용자에게 질문을 합니다.")
    return {"answer": "네!"}

def process_answer(state):
    if state["answer"] == "네!":
        return "positive"
    return "negative"

graph = StateGraph(dict)
graph.add_node("ask", ask_user)
graph.add_conditional_edges("ask", process_answer, {
    "positive": END,
    "negative": END,
})
graph.set_entry_point("ask")

runnable = graph.compile()
runnable.invoke({})

🧱 5. LangGraph의 실제 활용 예

🔮 6. 앞으로의 가능성

• LangGraph는 단순한 LLM 체인을 넘어서, 복잡한 멀티에이전트 시스템과 비즈니스 로직 자동화, 다단계 워크플로우 구현을 가능하게 합니다.

• 웹 초기의 REST API 표준화처럼, LangGraph는 LLM 기반 시스템의 아키텍처적 표준이 될 가능성을 지니고 있습니다.

✅ 마무리