지난 2년 동안 "AI 에이전트 (AI Agent)" 개발은 **루프 엔지니어링 (Loop Engineering)**이 지배해 왔습니다. 우리 모두는 다음과 같은 코드를 작성해 본 적이 있을 것입니다: while (!success) { try(); retry(); }. 이 방식은 작동은 하지만, 취약하고, 상태를 유지하지 못하며 (stateless), 무분별한 재시도로 인해 토큰을 과도하게 소모합니다.

업계의 흐름이 바뀌고 있습니다. 다음 패러다임은 **그래프 엔지니어링 (Graph Engineering)**입니다.
오늘 저는 그래프가 왜 에이전트 워크플로우 (agentic workflows)의 미래인지를 정확히 보여주기 위해, 단 주말 동안 구축한 멀티 에이전트 토론 시뮬레이터인 Rashomon을 오픈 소스로 공개합니다.

아키텍처: 병렬, 조건부, 상태 유지 (Parallel, Conditional, Stateful)

Rashomon은 단순히 LLM에게 "스스로 토론하라"고 요청하는 것이 아닙니다. @langchain/langgraph를 사용하여 결정론적인 다단계 워크플로우를 구축합니다:

1. 병렬 팬아웃 (Parallel Fan-out): 주제가 제출되면 4개의 페르소나(낙관주의자, 냉소주의자, 박식가, 혼돈)가 Promise.all을 통해 동시에 호출됩니다. 순차적인 대기 시간이 없습니다.
2. 조건부 라우팅 (Conditional Routing): 그래프는 누적된 "혼돈 수준 (chaos level)"을 평가합니다. 수준이 높으면 Debate 노드로 라우팅하고, 낮으면 바로 Synthesis로 건너뜁니다.
3. 상태 유지 누적 (Stateful Accumulation): 공유된 DebateState 객체가 어떤 에이전트가 발언했는지 추적하여, 동일한 두 페르소나 사이의 무한 피드백 루프를 방지합니다.
4. 실시간 스트리밍 (Real-time Streaming): 서버 전송 이벤트 (SSE)를 사용하여, 프론트엔드는 React Flow를 통해 그래프가 노드별로 구축되는 과정을 시각화합니다.

코드: 내부 들여다보기

중첩된 if/else 재시도 루프를 작성하는 것과 비교했을 때, LangGraph.js에서 조건부 라우팅을 정의하는 것이 얼마나 간단한지 확인해 보세요:

// 그래프 정의
const workflow = new StateGraph<DebateState>({ channels: { /* state schema */ } });

...

이것이 중요한 이유

루프는 반응적(reactive)입니다. 그래프는 **구조적(architectural)**입니다. 노드(에이전트), 엣지(라우팅 로직), 그리고 상태(메모리)를 명시적으로 정의함으로써 다음과 같은 이점을 얻을 수 있습니다:

• 관찰 가능성 (Observability): 어떤 노드가 왜 실패했는지 정확히 확인할 수 있습니다.
• 효율성 (Efficiency): 병렬 실행을 통해 지연 시간 (latency)을 60-70% 단축합니다.
• 제어력 (Control): LLM의 환각(hallucination)에 기반한 재시도 로직이 아니라, 사용자가 흐름을 결정합니다.

실시간 React Flow 시각화와 OpenRouter/Ollama 지원을 포함한 전체 소스 코드는 GitHub에서 확인할 수 있습니다.

저장소(repo)를 확인하고, 포크(fork)하여 차세대 에이전트를 함께 만들어 봅시다: https://www.dailybuild.xyz/project/199-rashomon-debate