이 저장소는 저의 블로그 포스트 **“Building a LangGraph Multi-Agent System (LangGraph 멀티 에이전트 시스템 구축하기)”**를 위한 전체 소스 코드와 Jupyter Notebook을 포함하고 있습니다.

다음과 같은 시스템 구축 방법을 보여줍니다:

• 단순 결정론적 체인 (TOTO 생성기)
• Postgres (MCP Toolbox를 통해), Tavily Search, 그리고 커스텀 Python 도구를 사용하는 ReAct 스타일의 에이전트
• Supervisor (관리자), SQL Agent, Amenities Agent, 그리고 Web Research Agent로 구성된 모듈형 멀티 에이전트 시스템 (MAS)

모든 예제는 LangGraph, LangChain, OpenRouter 모델, Tavily, 그리고 MCP Toolbox를 사용합니다.

├── notebook/
│ ├── toto_generator.ipynb
│ ├── langgraph_react_agent.ipynb
...

git clone https://github.com/seehiong/multi-agent-system-using-langgraph.git
cd multi-agent-system-using-langgraph

uv venv
source .venv/bin/activate # macOS/Linux
.venv\Scripts\activate # Windows

uv sync

Toolbox 바이너리를 다운로드하세요:

$VERSION="0.18.0"
Invoke-WebRequest -Uri "https://storage.googleapis.com/genai-toolbox/v$VERSION/windows/amd64/toolbox.exe" -OutFile "toolbox.exe"

Toolbox 시작:

./toolbox

다음 항목을 포함하여 tools.yaml에 정의된 도구들이 자동으로 로드됩니다:

• Postgres SQL 도구
• HDB 재판매 쿼리
• 편의시설 (Amenities) 및 백분위 가격 계산

notebook/ 디렉토리 내부의 노트북을 여세요:

• toto_generator.ipynb - TOTO 번호를 생성하는 단순한 LangGraph 체인.
• langgraph_react_agent.ipynb - Tavily + SQL 도구를 갖춘 완전한 ReAct 에이전트.
• langgraph_mas.ipynb - 세 명의 전문 에이전트를 갖춘 Supervisor 주도형 멀티 에이전트 시스템 (MAS).

Jupyter 또는 VS Code를 사용하여 실행할 수 있습니다.

langgraph dev

그 다음 다음 주소를 방문하세요:

http://127.0.0.1:2024

이곳에서 LangSmith Studio가 열리며, 여기서 MAS 그래프를 탐색, 디버깅 및 상호작용할 수 있습니다.

• Python 3.10+
• uv (권장)
• Postgres (HDB 예제를 실행하는 경우)
• Tavily API 키 (선택 사항)
• OpenRouter API 키

이 저장소는 저의 전체 가이드 아티클과 함께 제공됩니다:

👉 Building a LangGraph Multi-Agent System

이 블로그 포스트는 이 저장소의 예제들에 담긴 설계 결정(design decisions), 아키텍처(architecture), 그리고 단계별 사고 과정(step-by-step thought process)을 설명합니다.

MIT License. 여러분은 이 예제를 자유롭게 포크(fork)하고, 수정하며, 이를 기반으로 구축할 수 있습니다.

• LangChain / LangGraph
• OpenRouter
• Tavily
• MCP Toolbox
• Singapore HDB datasets (data.gov.sg)

이 내용이 유용했다면, 저장소에 ⭐ 스타(star)를 눌러주세요!