Jeongsk

LangChain과 LangGraph 1.0 릴리즈 소개

10 min read

개요

LangChain과 LangGraph 1.0 정식 릴리즈를 소개하는 공식 유튜브 영상의 요약입니다. LangChain의 공동 창립자이자 CEO인 해리슨과 오픈 소스 엔지니어들이 3년간의 발전 과정과 1.0 버전의 핵심 내용을 설명합니다.

주요 발표자: 해리슨 체이스(CEO), 시드니, 헌터, 윌(엔지니어)

LangChain의 초기 비전과 발전

시작 (약 3년 전, ChatGPT 출시 한 달 전)

LangChain은 두 가지 핵심 요소로 시작되었습니다:

  1. 통합 세트 (Integrations)

    • OpenAI, Cohere, Hugging Face 등의 모델 통합
    • 벡터 저장소, 문서 로더 등 핵심 구성 요소 통합

  2. 상위 수준 인터페이스 (High-level Interface)

    • 단 5줄의 코드로 RAG나 SQL 구현 가능
    • 초보자도 쉽게 AI 애플리케이션 구축 가능

패러다임 전환

산업이 성숙하고 사용자들이 프로토타입에서 실제 제품으로 전환하면서 LangChain의 초점이 변화했습니다:

  • 쉬운 시작 → 프로덕션 준비
  • 단순한 추상화 → 제어 가능성과 사용자 정의

LangGraph의 탄생과 핵심 원칙

LangGraph는 LangChain 출시 약 1년 반 후에 개발되었으며, 두 가지 핵심 원칙을 바탕으로 합니다:

1. 제어 가능성 (Control)

  • 문제: LangChain은 시작하기 쉬웠지만 프로덕션 환경에서 사용자 정의가 어려움

    • ‘5줄 코드 RAG’는 내부적으로 많은 가정과 숨겨진 컨텍스트 엔지니어링 수행
    • 수정 시 낮은 수준의 제어 기능 필요

  • 해결: 일반 소프트웨어를 작성하는 것처럼 쉽게 사용자 정의 가능하도록 설계

    • 모델 기능과 프로덕션 안정성 간의 격차 해소
    • 예상치 못한 사용자 상호작용에 대한 적절한 프롬프트와 안전 장치 구성 가능
    • 장기 실행 에이전트의 범위 제어

2. 런타임 (Runtime)

  • 내구성 있는 실행 환경

    • 오류 발생 시 체크포인트에서 복구 가능
    • 전체 실행을 취소할 필요 없음

  • 기본 기능으로서의 스트리밍

    • 사용자가 에이전트의 진행 상황 실시간 확인 가능
    • 프레임워크 내에서 스트리밍 네이티브 지원

  • 휴먼-인-더-루프 (Human-in-the-loop)

    • LangChain 초기에는 고려되지 않았던 중요한 요소
    • LangGraph에서 핵심 기능으로 설계

LangChain 1.0: LangGraph 기반의 쉬운 시작

핵심 특징

LangChain 1.0 = LangGraph의 강력함 + LangChain의 쉬운 시작

  1. LangGraph 런타임 기반

    • 휴먼-인-더-루프
    • 지속성 (Persistence)
    • 내구성 있는 실행

  2. 에이전트 생성 추상화

    • 노드, 에지, 워크플로 기본 요소에 익숙하지 않아도 됨
    • 몇 줄의 코드로 모델 도구 호출 루프 시작 가능
    • LangGraph의 create_react_agent 패턴 계승 및 개선

목표

생성형 AI, 특히 에이전트 구축을 시작하는 가장 쉬운 곳

미들웨어: 에이전트 루프의 확장성

개념

미들웨어는 개발자가 핵심 에이전트 루프의 어느 시점에든 추가 로직을 추가할 수 있게 하는 LangChain 1.0의 핵심 기능입니다.

주요 미들웨어 유형

  1. 요약 미들웨어

    • 모델 호출 전 과거 대화 기록 요약

  2. 휴먼-인-더-루프 미들웨어

    • 위험하거나 비용이 많이 드는 도구 호출 전 사람의 승인

  3. 동적 프롬프트/도구 미들웨어

    • 상황에 따른 프롬프트 및 도구 사용자 정의

  4. 동적 모델 미들웨어 ⭐

    • 컨텍스트 기반으로 메시지 재생성
    • 작업에 따라 최적의 모델 동적 선택
    • 예: 코딩(Anthropic), 추론(OpenAI), 멀티모달(Google)

의미

  • 더 이상 하나의 챔피언 모델이 존재하지 않음
  • 모델 간 선택 가능성은 LangChain의 원래 목표
  • 에이전트 구축의 최첨단 유지

모델 통합의 발전: 콘텐츠 블록

진화 과정

  1. 초기: 문자열 입력 → 문자열 출력
  2. 발전: 메시지 목록 입력 → 메시지 출력
  3. 현재: 멀티모달 모델로 인한 복잡성 증가

콘텐츠 블록의 필요성

문제:

  • 모든 제공업체가 콘텐츠 블록 형태에 대해 고유한 의견 보유
  • 심지어 서버 측 도구도 제공업체마다 다름
  • 모델 변경 시 메시지 형태가 바뀌어 스트리밍 코드 등이 망가짐

해결:

  • 콘텐츠 블록 표준화
  • 개발자들이 메시지 형태에 대한 불확실성 없이 애플리케이션 구축 가능

LangChain과 LangGraph: 언제 무엇을 사용할 것인가?

권장 접근 방식

graph TD
    A[새 프로젝트 시작] --> B{무엇을 원하는가?}
    B -->|빠른 시작<br/>기본 에이전트| C[LangChain 1.0으로 시작]
    B -->|높은 제어력<br/>복잡한 워크플로| D[LangGraph 사용]
    C --> E{기능 확장 필요?}
    E -->|기본 기능으로 충분| F[LangChain 1.0 유지]
    E -->|복잡한 사용자 정의 필요| G[LangGraph로 전환<br/>또는 연결]

LangChain 1.0 사용 시나리오

✅ 다음과 같은 경우에 적합:

  • 에이전트를 빠르게 시작하고 싶을 때
  • 높은 수준의 구성 요소 사용
  • 다양한 추상화에 대해 깊이 생각하지 않고 유용한 작업 수행
  • AI와 파이썬 프로그래밍 처음 시작
  • 프로덕션 준비된 런타임이 필요할 때

특징:

  • 최저점(진입 장벽)은 낮아지고 상한선(기능)은 높아짐
  • 프로덕션 준비된 런타임 제공

LangGraph 사용 시나리오

✅ 다음과 같은 경우에 적합:

  • 매우 사용자 정의된 워크플로
  • 에이전트가 더 복잡하게 “사고”하기를 원할 때
  • 결정론적 단계와 에이전트 단계를 명시적으로 구분
  • 컨텍스트 엔지니어링을 강제하고 싶을 때
  • 더 복잡한 에이전트 빌딩 주제에 익숙해지고 싶을 때

특징:

  • 모든 것이 매우 구성 가능
  • 결정론과 명시적인 단계, 워크플로 제어

하이브리드 접근

LangChain의 에이전트 생성을 사용하여 기능적인 에이전트를 구축한 다음 기존 LangGraph 워크플로에 연결 가능

미래 전망: 커뮤니티의 역할과 UI/UX

커뮤니티의 역할

가장 기대되는 점: 커뮤니티에서 어떤 맞춤형 미들웨어를 개발할지

현재 제공되는 미리 만들어진 미들웨어:

  • 요약
  • 동적 모델
  • 도구
  • 프롬프트
  • 휴먼-인-더-루프

미들웨어의 특성:

  • 매우 확장 가능
  • 매우 구성 가능
  • 커뮤니티의 창의적인 아이디어 기대

UI/UX 개선

투자 영역:

  1. 스트리밍 개선

    • LangGraph의 핵심 구성 요소
    • LangChain의 기능 강화

  2. JavaScript 측면 강화

    • JavaScript에서 모든 풀 스택 에이전트 생성
    • 프론트 엔드, 백 엔드, 상호 작용 패턴 탐색

지속적 발전

1.0 릴리스는 시작점이며, 사용자 피드백을 통해 계속 발전할 예정

참고 링크

그래프 뷰

백링크