LangChain 및 LangGraph - AWS 권장 가이드
LangChain 및의 주요 기능 LangGraphLangChain 및를 사용해야 하는 경우 LangGraphLangChain 및에 대한 구현 접근 방식 LangGraphLangChain 및의 실제 예 LangGraph

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

LangChain 및 LangGraph

LangChain는 에이전트 AI 에코시스템에서 가장 많이 확립된 프레임워크 중 하나입니다.는 LangChain 블로그에 설명된 대로 복잡하고 상태 저장 에이전트 워크플로를 지원하도록 기능을 LangGraph 확장합니다. 이들은 함께 독립적인 운영을 위한 풍부한 오케스트레이션 기능을 갖춘 정교한 자율 AI 에이전트를 구축하기 위한 포괄적인 솔루션을 제공합니다.

LangChain 및의 주요 기능 LangGraph

LangChain 및 에는 다음과 같은 주요 기능이 LangGraph 포함됩니다.

  • 구성 요소 에코시스템 - 다양한 자율 에이전트 기능을 위해 사전 구축된 구성 요소의 광범위한 라이브러리로, 특수 에이전트를 신속하게 개발할 수 있습니다. 자세한 내용은 LangChain 설명서를 참조하십시오.

  • 파운데이션 모델 선택 - Anthropic Claude, Amazon Bedrock의 Amazon Nova 모델(Premier, Pro, Lite, Micro) 등 다양한 추론 기능을 위한 다양한 파운데이션 모델을 지원합니다. 자세한 내용은 LangChain 설명서의 입력 및 출력을 참조하세요.

  • LLM API 통합 - 유연한 배포를 위해 Amazon Bedrock, OpenAI등을 포함한 여러 대규모 언어 모델(LLM) 서비스 공급자를 위한 표준화된 인터페이스입니다. 자세한 내용은 LangChain 설명서의 LLMs을 참조하세요.

  • 멀티모달 처리 - 텍스트, 이미지 및 오디오 처리를 기본적으로 지원하여 풍부한 멀티모달 자율 에이전트 상호 작용을 지원합니다. 자세한 내용은 LangChain 설명서의 다중 양식을 참조하세요.

  • 그래프 기반 워크플로 - 복잡한 자율 에이전트 동작을 상태 머신으로 정의LangGraph하여 정교한 의사 결정 로직을 지원합니다. 자세한 내용은 LangGraph 플랫폼 GA 공지를 참조하세요.

  • 메모리 추상화 - 단기 및 장기 메모리 관리를 위한 다양한 옵션으로, 시간이 지남에 따라 컨텍스트를 유지하는 자율 에이전트에 필수적입니다. 자세한 내용은 LangChain 설명서의 챗봇에 메모리를 추가하는 방법을 참조하세요.

  • 도구 통합 - 다양한 서비스 및 APIs으로 자율 에이전트 기능을 확장합니다. 자세한 내용은 LangChain 설명서의 도구를 참조하세요.

  • LangGraph 플랫폼 - 장기 실행 자율 에이전트를 지원하는 프로덕션 환경을 위한 관리형 배포 및 모니터링 솔루션입니다. 자세한 내용은 LangGraph 플랫폼 GA 발표를 참조하세요.

LangChain 및를 사용해야 하는 경우 LangGraph

LangChain 및 LangGraph는 다음과 같은 자율 에이전트 시나리오에 특히 적합합니다.

  • 자율 의사 결정을 위해 정교한 오케스트레이션이 필요한 복잡한 다단계 추론 워크플로

  • 다양한 자율 기능을 위해 사전 구축된 구성 요소 및 통합으로 구성된 대규모 에코시스템에 액세스해야 하는 프로젝트

  • 자율 시스템을 구축하려는 기존 Python기반 기계 학습(ML) 인프라 및 전문 지식을 갖춘 팀

  • 장기 실행 자율 에이전트 세션에서 복잡한 상태 관리가 필요한 사용 사례

LangChain 및에 대한 구현 접근 방식 LangGraph

LangChain 및는 LangGraph 설명서에 설명된 대로 비즈니스 이해관계자에게 구조화된 구현 접근 방식을 LangGraph 제공합니다. 프레임워크를 통해 조직은 다음을 수행할 수 있습니다.

  • 비즈니스 프로세스를 나타내는 정교한 워크플로 그래프를 정의합니다.

  • 결정점과 조건부 로직을 사용하여 다단계 추론 패턴을 생성합니다.

  • 다양한 데이터 유형을 처리하기 위한 멀티모달 처리 기능을 통합합니다.

  • 내장된 검토 및 검증 메커니즘을 통해 품질 관리를 구현합니다.

이 그래프 기반 접근 방식을 통해 비즈니스 팀은 복잡한 의사 결정 프로세스를 자율 워크플로로 모델링할 수 있습니다. 팀은 추론 프로세스의 각 단계와 결정 경로를 감사할 수 있는 능력을 명확하게 파악할 수 있습니다.

LangChain 및의 실제 예 LangGraph

Vodafone는 LangChain 엔터프라이즈 사례 연구에 설명된 대로 데이터 엔지니어링 및 운영 워크플로를 개선하기 위해 LangChain (및 LangGraph)를 사용하여 자율 에이전트를 구현했습니다. 이들은 자연어 상호 작용을 통해 성능 지표를 자율적으로 모니터링하고, 문서 시스템에서 정보를 검색하고, 실행 가능한 인사이트를 제공하는 내부 AI 어시스턴트를 구축했습니다.

이 Vodafone 구현은 LangChain 모듈식 문서 로더, 벡터 통합 및 여러 LLMs(OpenAI, LLaMA3 및 Gemini)에 대한 지원을 사용하여 이러한 파이프라인을 신속하게 프로토타입화하고 벤치마킹합니다. 그런 다음 모듈식 하위 에이전트를 배포하여 다중 에이전트 오케스트레이션을 구성하는 LangGraph 데 사용됩니다. 이러한 에이전트는 수집, 처리, 요약 및 추론 작업을 수행합니다.는 APIs를 클라우드 시스템에 LangGraph 통합했습니다.