Benchmark가 주도한 1,000만 달러 시드 라운드 발표

LangChain의 첫 번째 버전이 출시된 지 불과 6개월 전이었는데, 마치 몇 년이 지난 것 같습니다. 저희가 시작했을 때 생성형 AI(generative AI)는 메인스트림으로 진입하기 시작했습니다. stable diffusion이 방금 출시되어 사람들의 상상력을 사로잡았고 개발자 활동의 폭발을 부추겼으며, Jasper가 펀딩 라운드를 발표했고 투자사들은 최초의 Gen AI 시장 지도를 공개했습니다.

콘텐츠 제작 분야의 이러한 호황과 더불어, 사람들은 이 기술의 진정한 힘이 언어 모델(language model)을 고립적으로 사용하는 것이 아니라, 언어 모델을 새로운, 더욱 지능적인 시스템의 일부로 활용하는 것임을 깨닫기 시작했습니다. 개발자들은 언어 모델을 자신들의 독점 문서(proprietary documents), API, 구조화된 데이터와 어떻게 연결할지 논의했습니다. Self-Ask with Search나 ReAct 같은 연구 논문들이 발표되면서 이러한 접근 방식의 강력함을 입증했습니다.

이러한 컴퓨팅 분야의 거대한 변화의 초기 움직임 속에서, 저희는 2022년 10월 24일에 LangChain Python 패키지의 첫 버전을 출시했습니다. 최초 트윗 스레드에서 Harrison은 다음과 같이 말했습니다:

• “조합성(composability)을 통해 LLM 애플리케이션 구축에 도움을 주는 파이썬 패키지”
• “진정한 힘은 [LLMs]를 다른 것들과 결합할 수 있을 때 나옵니다.”
• “LangChain은… 함께 조합하고 싶은 모든 조각들의 포괄적인 모음집, 즉 단일한 종합적인 ‘체인(chain)’으로 조합하기 위한 유연한 인터페이스를 만들어 이를 통해 도움을 주고자 합니다.”

자금 조달의 이유?

이 모든 것은 회사를 설립할 의도 없이 시작된 오픈 소스 사이드 프로젝트였습니다. 사람들의 문제 접근 방식에서 공통적인 패턴을 발견하고, 이를 더 쉽게 만들 추상화(abstractions)를 시도하는 것에서 시작되었습니다. 이 초기 단순한 추상화들이 반향을 일으켰고, 주로 여러분의 커뮤니티 지원과 기여 덕분에 프로젝트가 성장했습니다. LangChain은 현재 GitHub에서 20K 이상의 스타, Discord에서 10K명의 활성 멤버, Twitter에서 30K 이상의 팔로워, 그리고 가장 중요한 것은 350명 이상의 기여자들을 보유하고 있습니다.

LangChain과 LLM의 조합이 구축할 수 있는 놀라운 제품과 애플리케이션의 영역을 확장한다는 것이 분명해졌습니다. 또한, 이러한 애플리케이션들이 잘 작동하도록 하려면 훨씬 더 많은 작업과 도구가 필요하다는 것도 명확합니다 (특히 프로덕션 환경에서). 여러분은 매일 저희에게 더 많은 것을 요구하고 계십니다 (400개 이상의 GitHub 이슈, 100개의 오픈 PR) 그리고 저희도 도움을 드리고 싶습니다!

이러한 생각으로, 저희는 시드 투자금 1,000만 달러를 유치했음을 공개적으로 발표하게 되어 기쁩니다. Benchmark가 이번 라운드를 주도했으며, 저희는 그들의 조언에 매우 고무적입니다. 왜냐하면 Benchmark는 Docker, Confluent, Elastic, Clickhouse 등 우리가 사용하는 상징적인 오픈 소스 소프트웨어 중 일부의 최초 선도 투자자였기 때문입니다. 이 자본금으로 우리는 커뮤니티가 지능형 앱을 구축하며 하고 있는 획기적인 작업 속도를 따라잡기 위해 공격적으로 투자할 것입니다. 우리의 목표는 간단합니다: 개발자들이 언어 모델로 구동되는 유용한 애플리케이션을 구축하도록 역량을 강화하는 것입니다.

그렇다면 저희에게서 무엇을 기대할 수 있을까요?

LangChain의 현재 모습 (LangChain Today)

LangChain은 Python 및 TypeScript 패키지 형태로 제공되는, 언어 모델로 구동되는 애플리케이션 개발 프레임워크입니다. 우리는 가장 강력하고 차별화된 언어 모델 애플리케이션이 다음을 할 것이라고 믿습니다:

• 데이터 인식적(data-aware)일 것: 언어 모델을 다른 데이터 소스에 연결하는 것
• 에이전트적(agentic)일 것: 언어 모델이 자신의 환경과 상호작용하도록 허용하는 것

LangChain 프레임워크는 위의 목표 원칙들을 염두에 두고 설계되었습니다. 저희는 이 프레임워크가 제공하는 두 가지 주요 가치 제안(value props)이 있다고 믿습니다:

컴포넌트 (Components)

LangChain은 개발자들이 언어 모델을 사용하여 애플리케이션을 구축하는 데 필요한 모든 것을 제공하는 모듈식 추상화 및 컴포넌트 세트를 제공합니다. 또한 이러한 추상화를 위한 구현 모음도 포함하고 있습니다.

이러한 컴포넌트들은 대부분 커뮤니티 주도로 이루어집니다. Python 저장소에만 300명이 넘는 기여자가 있습니다. 몇 가지 하이라이트는 다음과 같습니다:

• 20개 이상의 다양한 모델 제공업체 또는 호스팅 플랫폼과의 통합(Integrations)
• 다양한 소스에서 데이터를 로드하기 위한 50개 이상의 문서 로더(Document Loaders) 모음
• 언어 모델(Language Model)이 쉽게 사용할 수 있도록 텍스트 데이터를 청크로 분할하는 10개 이상의 방법론(methods) 모음
• 10개 이상의 다양한 벡터 데이터베이스(vector databases)와의 통합
• 언어 모델이 사용할 수 있게 하는 15개 이상의 다양한 도구(tools) 모음

사전 구축된 체인 및 에이전트 (Pre-built Chains and Agents)

체인(Chains)은 개발자가 특정 작업을 수행하기 위해 구성 요소들을 특정한 방식으로 조립할 수 있게 합니다. 예를 들어, 대용량 PDF 문서를 요약하거나 SQL 데이터베이스에 질의하는 것과 같은 작업이 가능합니다. 에이전트(Agents)는 단계의 순서가 언어 모델에 의해 실시간으로 결정되는

• TypeScript 패키지를 Python과 기능 동등(feature parity) 수준으로 끌어올려 더 많은 풀스택 및 프론트엔드 개발자가 LLM 애플리케이션을 만들 수 있도록 합니다.
• 여러 유형의 OutputParsers를 구현하여 LLM이 반환하는 텍스트에 대한 안전성과 지침을 높입니다.
• 보다 복잡하고 필요한 문서 검색(document retrieval) 유형을 가능하게 하는 Retriever 추상화(abstraction)를 도입합니다.
• Weights & Biases, AIM, ClearML과 같은 솔루션과의 통합을 구축하여 LLM 애플리케이션의 관찰성(observability) 및 실험 기능을 향상시킵니다.

저희는 LangChain에 지속적으로 기능을 추가하고 다음과 같은 다른 서비스들을 제공할 것입니다:

• 애플리케이션을 빠르게 프로토타이핑하는 것을 용이하게 만듭니다.
• 프로토타이핑과 실제 운영(production) 환경 배포 사이의 격차를 해소합니다.

저희는 무엇이 구축될지, 그리고 여러분을 지원하기 위해 더 많은 일을 할 수 있기를 매우 기대하고 있습니다. 또한 전체 LangChain 커뮤니티에 특별히 감사드립니다. LangChain은 계속해서 오픈 소스로 유지되며 개발자에게 초점을 맞출 것입니다. 저희의 자금 지원은 이를 다음 단계로 끌어올리기 위해 더 많은 리소스를 할당할 수 있게 합니다. 이 사명과 여정이 흥미롭게 느껴지신다면, 창립 엔지니어(founding engineers)를 적극적으로 채용하고 있습니다. 새로운 기능에 대한 제안이 있거나 LangChain 애플리케이션을 운영 환경에서 평가하고 실행하는 데 관심이 있으시다면, [email protected]로 연락 주시면 감사하겠습니다!

지금까지 모든 것에 감사드리며, 멋진 것들을 함께 만들어 갑시다 🙂