AI 에이전트 vs LangChain 에이전트

shoney9254 2025. 3. 21. 15:10

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 판단하여 동작

✅ 목표 중심 – 주어진 목표를 달성하기 위해 움직임

✅ 환경과 상호작용 – 입력을 받아서 적절한 반응을 생성

✅ 의사결정 – 단순 규칙이 아니라, 상황에 맞게 최적의 행동을 선택

🎯 예제

챗봇 – 사용자의 질문을 이해하고 답변을 제공
AI 비서 – 일정 관리, 이메일 정리, 정보 검색 등
자율주행 AI – 도로 상황을 분석하고 최적의 경로 선택

즉, AI 에이전트는 자율적으로 동작하는 AI 시스템 전반을 의미하는 넓은 개념이다.

LangChain 에이전트란? 🛠️

처음에는 LangChain의 에이전트도 AI 에이전트랑 비슷한 개념이라고 생각했다.

하지만 LangChain을 써보면서 느낀 점은, LangChain 에이전트는 단순한 AI가 아니라, 외부 도구를 활용할 수 있는 강력한 시스템이라는 거였다.

💡 LangChain에서 '에이전트'가 필요한 이유

언어 모델(LLM)은 기본적으로 **"똑똑한 텍스트 생성기"**다.

즉, 질문을 하면 가장 적절한 텍스트를 출력할 수 있지만, 실제로 행동을 수행할 수는 없다.

예를 들어,

❓ "서울 날씨 어때?" 라고 물어보면,

🤖 "오늘 서울의 날씨는 맑습니다." 라고 대답할 수 있지만,

실제로 날씨를 검색하는 기능은 없다!

LangChain의 에이전트는 바로 이런 **"행동 수행"**을 가능하게 해준다.

LangChain 에이전트의 동작 방식

LangChain 에이전트는 언어 모델을 추론 엔진으로 사용해서 다음과 같은 과정으로 동작한다.

1️⃣ 어떤 행동을 해야 하는지 결정

"서울의 날씨 알려줘" → 단순 답변이 아니라 "날씨를 검색해야겠군!" 이라고 판단

2️⃣ 필요한 입력을 정리

"날씨를 검색하려면, 검색 엔진에 '서울 날씨'를 입력해야겠어!"

3️⃣ 도구를 사용해서 행동 수행

언어 모델 자체는 검색을 못 하지만, LangChain을 통해 API 호출, 검색 엔진 사용 등 외부 도구를 실행할 수 있음

4️⃣ 결과를 확인하고 추가 행동 결정

"이 정보로 충분한가? 추가 검색이 필요할까?"

5️⃣ 최종적으로 사용자에게 답변 제공

모든 과정이 끝나면 사용자에게 답변 반환

LangChain 에이전트의 강점

LangChain의 에이전트는 단순한 답변 생성기가 아니라, 외부 도구와 결합하여 더 강력한 AI 시스템을 구축할 수 있다.

📌 LangChain 에이전트가 할 수 있는 일

✅ 웹 검색 – 구글 검색을 실행하고 최신 정보를 가져오기

✅ DB 조회 – 내부 데이터베이스에서 필요한 정보 찾기

✅ API 호출 – 특정 API를 호출하여 필요한 데이터 가져오기

✅ 계산 수행 – 단순한 산수부터 복잡한 연산까지 수행 가능