LangGraph를 활용한 에이전트 기술 마스터하기
요약
LangGraph를 사용하여 상태 유지형 AI 에이전트와 복잡한 에이전트 워크플로우를 구축하는 방법을 다룹니다. 도구 사용, 멀티 에이전트 시스템, 인간 개입(Human-in-the-loop) 등 프로덕션 환경에 필수적인 패턴과 API 활용법을 상세히 안내합니다.
핵심 포인트
- LangGraph를 활용한 상태 유지형 에이전트 및 워크플로우 구축
- 도구 사용, 분기형 워크플로우, 멀티 에이전트 패턴 학습
- 체크포인터를 통한 대화 메모리 및 타임 트래블 구현
- 인간 개입(Human-in-the-loop)을 통한 워크플로우 제어
- skilz를 이용한 다양한 AI 코딩 에이전트와의 통합
Python에서 LangGraph를 사용하여 상태 유지형 AI 에이전트(stateful AI agents) 및 에이전트 워크플로우(agentic workflows)를 구축하세요. 이 기술(skill)은 도구 사용 에이전트(tool-using agents), 분기형 워크플로우(branching workflows), 대화 메모리(conversation memory), 인간 개입(human-in-the-loop) 감독, 멀티 에이전트 시스템(multi-agent systems) 및 프로덕션 배포(production deployment)에 대한 포괄적인 가이드를 제공합니다.
이 기술은 프로덕션 환경에 즉시 적용 가능한 AI 에이전트를 구축하기 위한 필수적인 LangGraph 패턴을 다룹니다:
| 주제 | 설명 |
|---|---|
| 도구 사용 에이전트 (Tool-Using Agents) | 작업이 완료될 때까지 지속되는 LLM-도구 루프 (LLM-tool loops) |
| 분기형 워크플로우 (Branching Workflows) | 조건부 라우팅 (conditional routing)이 포함된 다단계 파이프라인 |
| 지속성 및 메모리 (Persistence & Memory) | 세션 전반의 대화 컨텍스트를 위한 체크포인터 (Checkpointers) |
| 인간 개입 (Human-in-the-Loop) | interrupt()를 사용하여 인간의 승인을 위해 워크플로우 일시 중지 |
| 멀티 에이전트 시스템 (Multi-Agent Systems) | 에이전트 협업을 위한 감독자(Supervisor) 및 스웜(swarm) 패턴 |
| 프로덕션 배포 (Production Deployment) | LangGraph Platform, Docker 및 자체 호스팅 옵션 |
| 디버깅 (Debugging) | 타임 트래블(Time-travel), LangSmith 트레이싱(tracing) 및 테스트 전략 |
| 개념 | 설명 |
|---|---|
StateGraph | 핵심 그래프 구축 API |
| 노드 및 엣지 (Nodes & Edges) | 단계 및 전환 정의 |
| 조건부 엣지 (Conditional Edges) | 상태 값에 기반한 라우팅 |
MessagesState | 채팅 애플리케이션을 위한 내장 상태 |
| 체크포인터 (Checkpointers) | 메모리 및 타임 트래블 활성화 |
Command 객체 | 노드 내부에서의 흐름 제어 |
ToolMessage | 도구 호출 결과 처리 |
from langgraph.graph import StateGraph, START, END
from langgraph.checkpoint.memory import InMemorySaver
from langchain_openai import ChatOpenAI
...
이 기술은 각 주요 주제에 대한 상세한 참조 가이드를 포함합니다:
| 참조 | 주제 |
|---|---|
| core-api.md | StateGraph, 노드, 엣지, 컴파일 |
| ... |
Python: >= 3.9
LangGraph: pip install langgraph
LLM 제공업체 (LLM Provider): OpenAI, Anthropic 또는 기타 지원되는 제공업체
다양한 AI 코딩 에이전트(AI coding agents)에 이 기술을 설치하는 권장 방법은 skilz 유니버설 설치기(universal installer)를 사용하는 것입니다. 이 기술은 에이전트 기술 표준(Agent Skill Standard)을 지원하므로, Claude Code, OpenAI Codex, Cursor, Gemini를 포함한 14개 이상의 코딩 에이전트에서 작동합니다.
pip install skilz
HTTPS 또는 SSH URL과 함께 -g 또는 --git을 사용할 수 있습니다:
# HTTPS URL
skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill
# SSH URL
...
skilz install SpillwaveSolutions_mastering-langgraph-agent-skill/mastering-langgraph
# 사용자 홈 디렉토리에 설치 (모든 프로젝트에서 사용 가능)
skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill
# 현재 프로젝트에만 설치
...
# 사용자 레벨 설치 (User-level install)
skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill --agent opencode
# 프로젝트 레벨 설치 (Project-level install)
...
# 프로젝트 레벨 설치 (Gemini는 프로젝트 레벨만 지원)
skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill --agent gemini
# 사용자 레벨 설치 (User-level install)
skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill --agent codex
# 프로젝트 레벨 설치 (Project-level install)
...
Skilz는 Windsurf, Qwen Code, Aidr 등을 포함하여 14개 이상의 코딩 에이전트를 지원합니다. 지원되는 플랫폼의 전체 목록은 다음을 방문하여 확인하세요:
MIT
SkillzWave - AI 에이전트 기술을 위한 최대 규모의 에이전틱 마켓플레이스 (Agentic Marketplace) | SpillWave - AI 에이전트 개발의 선두주자
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기