LangChain
LangChain은 파이썬과 자바스크립트로 제공되는 오픈소스 프레임워크로, 체인, 에이전트, 메모리, 도구 통합 등 대형 언어 모델을 활용한 애플리케이션 개발을 위한 추상화와 컴포넌트를 제공합니다.
이해하기 LangChain
2022년 10월에 출시된 LangChain은 LLM(대형 언어 모델) 기반 애플리케이션 생태계에서 가장 널리 채택된 프레임워크 중 하나가 되었습니다. LangChain은 LLM 기반 앱에서 자주 쓰이는 패턴들—모델을 외부 데이터 소스에 연결하기, 여러 프롬프트를 연쇄적으로 구성하기, LLM이 도구를 사용할 수 있도록 하기, 상호작용 간에 컨텍스트를 유지하기—에 대한 표준화된 추상화를 도입했습니다. LangChain의 핵심 요소는 다음과 같습니다: **체인(Chains)**: LLM 호출과 기타 작업을 연속적으로 구성한 파이프라인입니다. 예를 들어, 관련 문서를 검색해 프롬프트에 주입하고, LLM을 호출하여 결과를 파싱하는 방식입니다. **에이전트(Agents)**: 목표 달성을 위해 어떤 도구를 어떤 순서로 사용할지 선택하는 LLM 기반 결정 루프입니다. LangChain은 ReAct(Reasoning + Acting) 에이전트 패턴을 대중화시켰습니다. **메모리(Memory)**: 단순한 대화 버퍼부터 벡터 스토어 기반 장기 메모리에 이르는 컨텍스트 저장 메커니즘입니다. **도구 통합**: 외부 API, 데이터베이스, 서비스와의 연동을 위한 다양한 사전 구축 커넥터가 마련되어 있습니다. 에이전트 활용 사례가 고도화됨에 따라 LangChain 팀은 LangChain의 순차적 체인 추상화가 가진 한계를 극복하고, 훨씬 복잡하고 상태 기반의 멀티에이전트 워크플로우를 지원하기 위해 별도의 라이브러리인 LangGraph를 개발했습니다. LangGraph는 그래프 기반 모델을 활용해 에이전트 실행 흐름을 명확하게 제어할 수 있도록 하여, 실제 운영 환경에서의 에이전트 시스템 구축에 적합합니다. LangChain은 프로토타입 작성이나 단순한 LLM 애플리케이션에 여전히 널리 사용되고 있으며, LangGraph는 세밀한 제어, 휴먼 인더 루프 워크플로우, 상태 유지가 필요한 운영급 에이전트 시스템에 선호됩니다.
GAIA 활용 방법 LangChain
GAIA의 백엔드는 LangChain의 체인 기반 추상화가 아니라 LangGraph 위에 구축되어 있어, 50개 이상의 통합 작업을 조정하는 멀티 에이전트 실행 그래프를 정밀하게 제어할 수 있습니다. LangGraph의 상태 기반 그래프 방식은 GAIA의 복잡하고 장시간 실행되는 에이전트 워크플로우와 더 잘 맞습니다. 한편 LangChain 생태계의 도구 통합과 커뮤니티 사례는 GAIA 아키텍처에 영감을 주었습니다.
관련 개념
LangGraph
LangGraph는 사이클, 분기, 조건부 로직, 지속적인 상태 관리를 지원하며 상태 기반 멀티 에이전트 AI 애플리케이션 구축을 위한 프레임워크입니다.
에이전트 루프
에이전트 루프는 AI 에이전트가 현재 상태를 추론하고, 행동(주로 툴 호출)을 선택 및 실행하며, 결과를 관찰한 뒤, 과제가 완료되거나 중지 조건에 도달할 때까지 이 과정을 반복하는 순환 실행 구조입니다.
대형 언어 모델 (LLM)
대형 언어 모델(LLM)은 방대한 텍스트 데이터셋으로 훈련되어, 다양한 작업에서 인간의 언어를 이해하고 생성하며 추론할 수 있는 딥러닝 모델입니다.
함수 호출
함수 호출은 AI 모델이 미리 정의된 함수들을 구조화되고 기계가 읽을 수 있는 형태로 호출할 수 있게 하는 기능입니다. 이를 통해 AI 시스템은 올바른 인자로 외부 API와 도구를 신뢰성 있게 호출할 수 있습니다.
AI 오케스트레이션
AI 오케스트레이션이란 여러 AI 에이전트, 모델, 도구가 서로 협력해 단일 구성요소로는 처리할 수 없는 복잡하고 다단계의 업무를 함께 완수하는 과정을 의미합니다.
