랭체인과 랭그래프에 대한 이해

에이전트 기반 시스템의 중요성

에이전트 기반 시스템은 복잡한 작업을 자동화하고 효율적으로 처리하는데 필수적인 요소로 자리 잡고 있음

 

에이전트는 환경을 센싱하고, 판단을 내리고, 행동을 실행하며, 결과를 피드백 하는 구조를 가짐

이러한 구조는 복잡한 데이터 처리와 의사 결정을 요구하는 현대 애플리케이션에 적합

 

에이전트 기반 시스템은 AI와 결합될 때 강력한 성능을 발휘

예를들어 LLM을 활용한 에이전트는 사용자 입력을 분석하고, 적절한 응답을 생성하며, 이를 통해 사용자 경험을 향상 시킬 수 있음

 

이 글에서는 에이전트 기반 시스템의 개념과 이를 지원하는 주요 프레임워크인 랭체인과 랭그래프에 대해 알려줌

 

 

 

 

 

랭체인 - LLM 기반 애플리케이션 개발의 핵심

랭체인은 LLM 기반 애플리케이션 개발을 위한 오픈소스 프레임워크로,

반복적인 작업을 추상화하여 개발자들이 더 효율적으로 작업할 수 있도록 도움

 

예를들어, 벡터 데이터베이스에 데이터를 저장하거나 LLM API를 호출하는 작업을 간소화

 

랭체인은 벡터 데이터베이스와 LLM API와 같은 다양한 도구와의 통합을 지원

뿐만 아니라 PDF 리딩, 데이터 추출, API 호출 등 다양한 기능을 제공

이를 통해 개발자들은 LLM 기반 애플리케이션을 빠르고 효율적으로 개발할 수 있음

 

랭체인은 다양한 언어와 플랫폼을 지원

파이썬, Nodejs를 공식적으로 지원하며 Java 진영에서도 사용할 수 있는 포팅 버전이 존재

 

 

 

 

 

랭그래프 - 에이전트 간의 상호작용 관리

랭그래프는 랭체인과 함께 사용되는 프레임워크로, 에이전트 간의 상호작용을 관리하는데 중점을 둠

이는 복잡한 에이전트 기반 애플리케이션에서 특히 유용

 

랭그래프는 에이전트들이 어떻게 상호작용해야 하는지 정의하고, 이를 기반으로 작업을 오케스트레이션 할 수 있는 기능을 제공

여러 에이전트가 협력하여 작업을 수행해야하는 경우 랭그래프를 활용하면 효율적으로 관리 할 수 있음

 

랭그래프는 에이전트의 상태와 동작을 모니터링하고, 이를 기반으로 최적의 작업 흐름을 설계할 수 있는 도구를 제공

이외에도 다양한 확장 기능을 제공

 

 

 

 

 

LLM 기반 에이전트 설계의 주요 고려사항

LLM의 환각 현상을 줄이기 위해 레그 시스템을 활용

레그 시스템은 벡터 데이터베이스를 활용하여 관련 데이터를 검색하고, 이를 기반으로 LLM이 더 정확한 응답을 생성할 수 있도록 도움

 

에이전트 설계 시에는 데이터의 특성과 사용자의 요구를 고려하여 적절한 데이터 처리와 검색 전략을 채택해야함

예를들어 긴 텍스트 데이터를 처리할 떄는 청킹 기법을 활용하여 데이터를 적절히 분할하고 이를 기반으로 검색 정확도를 높일 수 있음

 

또한 사용자 경험을 최적화 하기위해 UI/UX 요소를 고려해야함

이는 에이전트가 사용자와 상호작용 하는 방식에 직접적인 영향을 미침

 

 

 

 

 

 

 

Reference

https://f-lab.kr/insight/agent-based-systems-and-llm-20260327

에이전트 기반 시스템과 LLM 활용: 랭체인과 랭그래프의 이해