에이전트 / AI 개발 개념
랭체인(LangChain)
LangChain은 언어 모델과 도구·데이터를 연결해 AI 앱과 에이전트를 만드는 오픈소스 프레임워크입니다.
쉬운 설명
AI 앱이 질문에 답하려면 모델 호출 외에도 문서를 찾고 외부 기능을 실행하는 코드가 필요할 수 있어요. LangChain은 모델과 도구를 연결하는 구성요소와 에이전트 구조 등을 제공해 이런 앱을 만들도록 도와줘요. 자체가 답변을 만드는 언어 모델은 아니에요. 연결할 모델·데이터·권한과 결과 확인 방식은 앱에서 준비해야 해요.
이런 상황에서 만나요
스터디 자료에서 발표 일정을 찾아 답하는 챗봇을 만든다고 해 볼게요. 자료 검색 도구를 연결했더라도 검색 결과가 제대로 전달되는지와 답변이 그 근거에 맞는지를 확인해야 해요.
모델 답변 앞에 자료 검색이 제대로 실행됐나요?
이번 스터디 발표는 언제인가요?
스터디 공지 검색
→ 발표 일정이 적힌 문단 반환
반환된 문단에 근거해 답변
자료가 없으면 확인할 수 없다고 안내
- 1답변에 필요한 정보가 무엇인지 정해요.
- 2실제로 찾은 내용과 출처를 모델에 전달해요.
- 3그럴듯한 답변보다 검색한 근거와 일치하는지 확인해요.
아래는 자료를 검색하도록 구성한 앱의 실행 과정을 간추린 예시예요. 질문, 도구 호출, 검색 결과, 최종 답변을 나눠 기록하면 어디서 잘못됐는지 찾기 쉬워요. 검색 결과가 없으면 일정을 추측하지 않도록 답변 방식을 정해요.
헷갈리기 쉬운 점
LangChain을 설치하면 모델과 자료 검색이 모두 준비되나요?
아니요. 사용할 모델이나 서비스, 필요한 인증 설정과 자료 저장·검색 방식을 연결해야 해요. 라이브러리가 설치됐다는 것과 실제 도구가 실행되고 답변이 맞는 것은 따로 확인해요.
예제 코드의 버전과 현재 설치한 패키지 버전이 맞는지 확인해요. 모델이 도구를 쓰도록 연결할 때는 필요한 권한만 주고, 실패나 결과 누락을 처리해요. 단순한 호출만 필요한 앱이라면 추가 구조가 필요한지도 판단해요.
왜 알아야 할까요?
AI가 “LangChain으로 연결하자”고 제안할 때 어떤 연결 코드와 실행 관리를 맡길지 물을 수 있어요. 오류를 모델·검색 도구·결과 전달 단계로 나누어 조사할 수도 있어요.
조금 더 자세히
현재 LangChain은 모델·도구 인터페이스와 통합, 에이전트 구성 등을 제공합니다. LangGraph는 상태를 가진 실행 흐름과 지속 실행 등을 다루는 관련 프레임워크이며, LangChain 에이전트는 그 기반을 활용합니다. 둘은 같은 이름의 단일 기능이 아닙니다.
RAG에서는 필요한 자료를 검색해 모델의 답변에 활용하도록 전달합니다. LangChain을 사용해 이런 연결을 구성할 수 있지만 검색 데이터가 정확한지, 실제 출처와 답변이 일치하는지는 별도로 평가해야 합니다.
직접 사용할 때 확인해 보세요
- 연결할 모델·도구·자료를 정한다
- 도구 실행과 모델 응답을 나눠 확인한다
- 빈 결과·오류·권한 처리를 준비한다
관계 지도
