LangGraph 공부 로드맵: 기초부터 실무까지

Blog

LangGraph 로드맵 배너

LangGraph는 LLM 기반의 에이전트 워크플로우를 순환 그래프(Cyclic Graph) 구조로 설계하고 제어할 수 있게 돕는 강력한 프레임워크입니다.

기초 개념부터 시작하여 실무 수준의 멀티 에이전트 아키텍처 및 모니터링까지 유기적으로 학습할 수 있도록 단계별 공부 로드맵이자 블로그 연재 목차를 제시합니다.

Part 1. LangGraph의 이해와 시작 (기초 편)

LLM 에이전트의 흐름을 왜 그래프로 정의해야 하는지 알아보고, 개발 환경을 설정하여 첫 그래프를 작성합니다.

1.1 에이전트 아키텍처의 진화
- Linear Chain(LangChain Express)의 한계와 흐름 제어의 필요성
- 왜 DAG(비순환 그래프)를 넘어 순환(Loops/Cycles) 구조가 필요한가?
- LangGraph란 무엇이며 어떤 문제를 해결하는가?
1.2 LangGraph 핵심 3대 개념
- State (상태): 모든 노드가 공유하고 업데이트하는 전역 스키마 정의 방법
- Nodes (노드): LLM 호출, 도구 실행 등 실제 작업을 수행하는 액터
- Edges (엣지): 다음으로 실행할 노드를 결정하는 제어 흐름 (일반 엣지와 조건부 엣지)
1.3 Hello LangGraph! 첫 에이전트 구현
- 환경 설정 (Python, LangChain, API Key 설정)
- 가장 단순한 Chatbot Graph 구현하기
- 생성된 그래프 시각화하기 (pygraphviz 및 이미지 출력 방법)

상태(State)를 더 유연하게 다루고 외부 API/도구를 에이전트에 결합하는 실전 방법을 다룹니다.

2.1 State Graph 깊이 파헤치기
- StateGraph 정의와 상태 타입 설정
- 상태 갱신 법칙: 덮어쓰기(Overwrite) vs 누적/병합(Reducer 함수 활용)
- 타입 안정성을 위한 Pydantic 스키마 활용
2.2 Tool Calling 에이전트 설계
- LLM에 도구 바인딩하기
- 도구 실행 노드(ToolNode) 커스텀 정의 및 표준 라이브러리 활용
- 실행 흐름 분기: 조건부 엣지(Conditional Edge) 기반의 라우팅 처리

현업 에이전트 시스템에서 가장 중요한 신뢰성 확보 장치인 Human-in-the-loop과 대화 보존을 다룹니다.

3.1 Persistence & Memory (지속성 및 메모리)
- Checkpointer를 활용한 대화 세션 및 상태 저장
- Memory와 Thread의 개념: 여러 사용자 관리
3.2 Human-in-the-loop (인간 개입 루프)
- 에이전트 동작 일시 중지(Interrupt) 및 사용자 피드백 대기
- 민감한 도구 실행 전 승인(Approval) 단계 설계하기
- Time Travel (시간 여행): 과거 상태로 되돌아가서 다시 실행(Replay)하거나 상태 수정(Fork)하기

실무 복잡성을 견딜 수 있는 멀티 에이전트 구조와 최적화 기법을 다룹니다.

4.1 Multi-Agent Systems (멀티 에이전트 협업)
- 싱글 에이전트의 한계 극복하기
- 네트워크 토폴로지: 조정자 방식(Supervisor) 대 계층적(Hierarchical) 협업 방식
- 에이전트 간 상태 전송 및 공유 채널 설계
4.2 스트리밍(Streaming) 구현
- 토큰 단위 스트리밍(LLM Token Streaming)
- 노드 및 상태 업데이트 단위 스트리밍(Node/State Streaming)
- 사용자 경험(UX)을 고려한 실시간 응답 처리

애플리케이션을 완성한 후 실제 서비스 환경으로 이전하는 실무 파이프라인을 다룹니다.

5.1 LangSmith를 활용한 디버깅 및 평가
- 그래프 실행 추적(Tracing)과 병목 구간 분석
- 에이전트 성능 평가셋 구성 및 정량적 평가
5.2 LangGraph Studio & Cloud
- LangGraph Studio를 활용한 비주얼 디버깅 및 시뮬레이션
- LangGraph Cloud를 활용한 서버리스 에이전트 API 배포
- 독립형 인프라 구축을 위한 FastAPI 래핑 및 배포 패턴