작심삼일

LangGraph – LangChain에서 더 똑똑하게 멀티스텝 처리하는 법LangChain을 사용하면서 "에이전트가 생각보다 복잡한 작업을 잘 못하네?" 라는 느낌을 받은 적이 있다.단순 검색이나 API 호출 정도는 잘하지만, 여러 단계에 걸친 작업을 하면 이상한 답을 내놓거나, 비효율적으로 동작하는 경우가 많았다.최근 프로젝트에서 LangGraph를 살짝 찍먹(?) 해봤는데,이게 생각보다 LangChain의 부족한 부분을 꽤 잘 보완해줄 수 있는 기능 같아서 정리해본다.LangGraph란?LangGraph는 LangChain의 멀티스텝 처리 기능을 강화하기 위한 라이브러리다.기존 LangChain은 한 번의 프롬프트 → 답변 생성 → 끝 이라는 단순한 흐름으로 동작하는 경우가 많았다.하지만 현실에서는..

최근 프로젝트에서 LangChain을 활용해 RAG 기반 검색 시스템을 테스트할 일이 생겼다.LangChain을 다루다 보니 **"LangChain의 에이전트"**라는 개념이 나왔는데, 처음엔 그냥 "AI 에이전트랑 같은 거 아니야?" 라고 생각했다.하지만 막상 써보니 LangChain 에이전트는 우리가 흔히 말하는 AI 에이전트랑은 조금 다른 개념이었다.혹시 팀원들 중에서도 나처럼 헷갈리는 분이 있을까 봐, 이번 기회에 한 번 정리해본다.AI 에이전트란? 🤖AI 에이전트는 간단히 말하면 **"스스로 판단하고 행동하는 AI 시스템"**이다.환경에서 정보를 받아들이고, 목표를 달성하기 위해 스스로 판단하여 동작하는 것이 핵심이다.📌 AI 에이전트의 특징✅ 자율성 – 사람이 직접 명령하지 않아도 스스로 ..

LangChain Agent vs LangGraph: Super-Sub 에이전트 구조 구현 비교들어가며안녕하세요, 기술 블로그 독자 여러분! 오늘은 AI 에이전트 시스템을 구축할 때 많이 사용되는 두 가지 접근 방식에 대해 알아보려고 합니다. 바로 LangChain Agent만을 사용한 Super-Sub 구조와 LangGraph를 활용한 Super-Sub 구조의 차이점입니다. 두 방식 모두 복잡한 작업을 여러 전문 에이전트에게 분배하는 구조를 가지고있지만, 구현 방식과 특징에는 큰 차이가 있습니다.LangChain Agent로 구현하는 Super-Sub 구조LangChain은 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 프레임워크로, 다양한 도구와 에이전트를 쉽게 구현할 수 있게 해줍니다..

LangChain을 활용하면 단순한 언어 모델(LLM)을 넘어, 자율적으로 행동하는 AI 에이전트를 만들 수 있습니다.이번 글에서는 Google Gemini Pro 모델과 ReAct 에이전트 프레임워크를 사용해,웹 검색과 파이썬 코드 실행이 가능한 스마트 에이전트를 구축하는 방법을 설명하겠습니다. 🚀📌 1. 환경 설정먼저 필요한 라이브러리를 임포트하고 환경 변수를 설정합니다.특히, SSL 인증을 비활성화하여 네트워크 요청에서 발생할 수 있는 보안 경고를 방지합니다.import osimport sslfrom langchain import hubfrom langchain_community.utilities.serpapi import SerpAPIWrapperfrom langchain_experimenta..

Google에서 제공하는 Generative AI API를 사용하면 강력한 AI 모델을 활용할 수 있습니다. 이 글에서는 Python 코드를 활용하여 다음과 같은 작업을 수행하는 방법을 설명합니다.Google AI의 모델 리스트 조회프롬프트를 사용하여 AI 모델과 상호작용1. 사전 준비Google Generative AI API를 사용하기 위해서는 서비스 계정 키 파일이 필요합니다. 이를 환경 변수로 설정해야 합니다.import osos.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "agent/api-key.json"위 코드에서 "agent/api-key.json" 파일은 Google Cloud 콘솔에서 생성한 서비스 계정 키 파일입니다. 자신의 키 파일 경로로 수정해야..

언어 모델(LLM)은 기본적으로 "똑똑한 텍스트 생성기"입니다. 주어진 질문이나 문장을 기반으로 가장 적절한 텍스트를 출력할 뿐, 실제 행동을 취하는 것은 아닙니다. 예를 들어, "날씨가 어때?"라고 물어보면, "오늘 서울의 날씨는 맑습니다."라고 답할 수 있지만, 실제로 날씨를 검색하는 기능은 없습니다.💡 LangChain에서 '에이전트'가 필요한 이유LangChain에서는 이런 언어 모델이 단순한 답변 생성기가 아니라, 스스로 행동할 수 있도록 도와주는 기능을 추가할 수 있습니다. 이 역할을 하는 것이 바로 에이전트(Agent)입니다.에이전트는 언어 모델을 추론 엔진으로 사용하여 다음과 같은 과정을 수행합니다.어떤 행동을 해야 하는지 결정예를 들어, "서울의 날씨 알려줘"라고 하면, 단순히 문장을 ..

쿠키(Cookie)와 로컬/세션 스토리지(localStorage / sessionStorage)를 사용하여 토큰을 관리하는 방식에는 각각의 장점과 단점이 있다.✅ 쿠키 vs 로컬/세션 스토리지의 차이점구분 쿠키 (Cookie) 로컬스토리지 (localStorage) / 세션스토리지 (sessionStorage)저장 방식HTTP 요청 시 자동으로 전송JS를 통해 읽고 쓰기 가능보안성HttpOnly 설정 가능 → XSS 방어 가능XSS 공격에 취약CSRF 공격기본적으로 취약 → CSRF 토큰 필요CSRF 공격에 안전만료 시간서버가 설정 가능 (Max-Age, Expires)개발자가 직접 관리해야 함도메인 제한특정 도메인에서만 접근 가능모든 JS에서 접근 가능전송 방식Cookie 헤더를 통해 자동 전송API ..