본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4n8ztzq
(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스
초간단 미션! 하루 20분 공부하고 수강료 전액 환급에 AI 스킬 장착까지!
fastcampus.co.kr
오늘은 LangChain 생태계에서 고급 워크플로우를 설계하기 위해 필요한 LCEL과 LangGraph에 대해 배웠습니다. LCEL(LangChain Expression Language)은 LangChain의 다양한 구성 요소를 더 쉽게 연결할 수 있도록 설계된 표현 언어로, 모듈식 구조와 선언적 문법을 바탕으로 복잡한 워크플로우를 간결하게 작성할 수 있는 것이 특징입니다. 특히 파이프 연산자(|)를 사용하여 프롬프트, 모델, 출력 파서를 직관적으로 연결하고, 중간 결과를 쉽게 디버깅할 수 있는 점이 인상적이었습니다. 또한 LCEL은 비동기, 배치, 스트리밍을 자동으로 지원하고, 병렬 처리와 폴백 기능도 내장되어 있어 프로토타입 단계부터 실서비스까지 유연하게 대응할 수 있는 점이 큰 장점입니다.
이어 LangGraph에 대해서도 배웠습니다. LangGraph는 Pregel, Apache Beam, NetworkX에서 영감을 받아 만들어진 LLM 기반 다중 에이전트 프레임워크로, 에이전트 간 상태 전달과 흐름 제어를 정밀하게 할 수 있습니다. 기존 LangChain이 선형적 Chain 구조에 집중되었다면, LangGraph는 노드와 엣지로 이루어진 그래프 형태를 통해 비선형적이고 복잡한 에이전트 네트워크를 설계할 수 있습니다. 이를 통해 반복 구조(사이클)를 포함한 다양한 워크플로우를 설계할 수 있고, 상태 기반 제어 및 고급 휴먼 인 더 루프(사용자 개입) 시나리오도 손쉽게 구현할 수 있습니다. 특히, 단순히 정보를 직선적으로 처리하는 것을 넘어 다수의 에이전트가 협력하고, 결과를 공유하거나 조건부로 흐름을 바꿀 수 있다는 점이 매우 흥미로웠습니다.
마지막으로, LangChain과 LangGraph의 차이를 살펴보면서 각각의 활용 장점을 비교했습니다. LangChain은 RAG 기반의 일방향적인 체인 설계에 강점을 가지지만, LangGraph는 양방향 그래프 기반으로 더 복잡하고 동적인 에이전트 워크플로우를 지원합니다. 오늘 배운 내용은 LLM 기반 응용 서비스의 복잡도를 관리하고, 더 직관적이고 유연한 설계를 위한 중요한 기반 지식을 제공해주었습니다.
