Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LangChainAI 번역헤드라인
Deep Agents가 샌드박스 없이 신뢰할 수 없는 코드를 실행하는 방법
Deep Agents의 동적 서브에이전트 도입에 따른 보안 문제를 해결하기 위한 설계 방식을 다룹니다. 프롬프트 인젝션 위험을 고려하여 실행 격리, 권한 격리, 지속 가능한 일시 중지를 핵심 요구사항으로 정의하고 WebAssembly를 활용한 해결책을 제시합니다.
6월 30일1
LangChainAI 번역헤드라인
Harbor x LangChain: 에이전트 평가를 위한 통합 스택
Harbor와 LangChain을 통합하여 에이전트 성능을 평가하기 위한 통합 스택을 소개합니다. 격리된 샌드박스 환경에서 에이전트를 병렬로 실행하고, LangSmith를 통해 트레이스를 분석하여 평가 결과의 원인을 파악할 수 있습니다.
6월 30일1
LangChainAI 번역헤드라인
Deep Agents의 동적 서브에이전트 (Dynamic Subagents) 소개
Deep Agents가 대규모 작업의 안정성과 컨텍스트 관리를 위해 '동적 서브에이전트' 방식을 도입했습니다. 이는 단순 도구 호출 대신 에이전트가 직접 오케스트레이션 스크립트를 작성하여 실행하는 프로그래밍 방식의 접근법입니다.
6월 29일1
LangChainAI 번역헤드라인
2026년 6월: LangChain 뉴스레터 — Fleet On-Call Copilot, Deep Agents Rubrics 및 기타 소식
LangChain의 LangSmith 업데이트와 에이전트 개발 생명주기(ADLC)를 다루는 뉴스레터입니다. Fleet On-Call Copilot, Computer Use 기능, Deep Agents Rubrics 등 에이전트 운영 및 평가를 위한 최신 도구와 방법론을 소개합니다.
6월 25일1
LangChainAI 번역헤드라인
SmithDB의 전문 검색(Full-text search)을 위한 역색인(Inverted index) 구축 방법
SmithDB에서 전문 검색을 지원하기 위한 역색인(Inverted index)의 구축, 압축, 쿼리 과정을 설명합니다. 특히 대규모 JSON 페이로드를 효율적으로 처리하기 위해 JSON 테이프 방식을 활용한 평탄화 기법과 토큰화 과정을 다룹니다.
6월 25일1
LangChainAI 번역헤드라인
Klarna의 AI 어시스턴트가 어떻게 8,500만 명의 활성 사용자를 위해 대규모 고객 지원을 재정의했는가
Klarna는 LangGraph와 LangSmith를 활용하여 8,500만 명의 사용자를 지원하는 AI 어시스턴트를 구축했습니다. 이 시스템은 멀티 에이전트 아키텍처를 통해 고객 지원 업무를 자동화하며, 700명의 직원과 맞먹는 효율성을 보여줍니다.
6월 24일4
LangChainAI 번역헤드라인
AI 에이전트에 메모리(Memory)를 구축하는 방법
AI 에이전트가 이전 경험을 통해 학습할 수 있도록 돕는 메모리(Memory) 구축 방법을 설명합니다. 단기 메모리와 장기 메모리의 개념적 차이를 정의하고, LangSmith를 활용하여 트레이스를 메모리로 변환하는 구현 프로세스를 다룹니다.
6월 24일1
LangChainAI 번역헤드라인
Kubernetes 환경에서 셀프 호스팅 LangSmith를 운영하기 위한 Mission Control
Kubernetes 환경에서 셀프 호스팅 LangSmith의 운영 복잡성을 줄여주는 'Mission Control'을 소개합니다. 클러스터 내부에서 단일 인터페이스를 통해 구성, 상태 확인, 진단 및 문제 해결을 통합 관리할 수 있습니다.
6월 18일1
LangChainAI 번역헤드라인
에이전트 개발 라이프사이클: AI 에이전트 구축, 테스트, 배포 및 모니터링 | LangChain
성공적인 AI 에이전트 운영을 위한 구축, 테스트, 배포, 모니터링의 4단계 개발 라이프사이클을 소개합니다. 단순한 데모를 넘어 반복 가능하고 체계적인 시스템을 구축하는 방법론을 다룹니다.
6월 18일1
LangChainAI 번역헤드라인
monday Service + LangSmith: 첫날부터 구축하는 코드 우선 평가 전략
Monday.com이 LangSmith를 활용하여 AI 에이전트의 품질을 개발 초기 단계부터 검증하는 '평가 주도 개발 프레임워크' 구축 사례를 소개합니다. LangGraph 기반 ReAct 에이전트의 자율성으로 인한 오류를 방지하기 위해 오프라인 평가와 실시간 모니터링을 결합한 이중 계층 접근 방식을 제안합니다.
6월 18일1
LangChainAI 번역헤드라인
LangChain이 코딩 에이전트(Coding Agent)의 비용을 예측 가능하게 만든 방법
LangChain이 코딩 에이전트의 급격한 사용량 증가로 인한 비용 폭주를 방지하기 위해 LangSmith LLM Gateway를 구축했습니다. 이 게이트웨이는 조직, 워크스페이스, 사용자별로 예산을 설정하고 실시간으로 지출을 모니터링하여 비용 예측 가능성을 높입니다.
6월 18일1
LangChainAI 번역헤드라인
Align Evals 소개: LLM 애플리케이션 평가 프로세스 간소화
LangSmith가 LLM 평가자와 인간의 선호도를 일치시키는 새로운 기능인 'Align Evals'를 출시했습니다. 이 기능은 LLM-as-a-judge 평가 프로세스를 간소화하고, 평가 프롬프트 개선 및 정렬 점수 확인을 통해 고품질의 평가 환경을 구축하도록 돕습니다.
6월 18일1
LangChainAI 번역헤드라인
Deep Agents를 위한 컨텍스트 관리 (Context Management)
Deep Agents SDK는 AI 에이전트의 컨텍스트 부패를 방지하고 메모리 제약을 관리하기 위한 컨텍스트 관리 기술을 제공합니다. 파일 시스템 오프로딩과 요약 기술을 통해 대규모 작업 중에도 효율적인 컨텍스트 유지가 가능합니다.
6월 16일1
LangChainAI 번역헤드라인
에이전트 엔지니어링 (Agent Engineering): 새로운 학문 분야
에이전트 엔지니어링은 비결정론적인 LLM 시스템을 신뢰할 수 있는 프로덕션 환경으로 구축하는 반복적인 프로세스를 의미합니다. 이는 제품 사고, 엔지니어링, 데이터 과학이라는 세 가지 핵심 기술 세트가 결합된 새로운 학문 분야입니다.
6월 16일1
LangChainAI 번역헤드라인
Monte Carlo: LangGraph와 LangSmith를 활용한 데이터 + AI 관측성 (Observability) 에이전트 구축
Monte Carlo가 LangGraph와 LangSmith를 활용하여 데이터 및 AI 관측성을 위한 다중 에이전트 시스템을 구축한 사례를 소개합니다. 수백 개의 하위 에이전트가 병렬로 가설을 검증하여 데이터 문제의 근본 원인을 자동으로 조사하고 분석합니다.
6월 16일1
LangChainAI 번역헤드라인
루프 엔지니어링의 기술 (The Art of Loop Engineering)
에이전트가 안정적으로 업무를 수행하기 위해 필요한 '루프 엔지니어링'의 개념과 단계별 설계 방법을 설명합니다. 단순한 도구 호출을 넘어 검증 루프를 통해 결과물의 품질을 높이는 구조를 다룹니다.
6월 16일1
LangChainAI 번역헤드라인
Fleet이 범용 채팅(General Purpose Chat)과 특화된 에이전트(Specialized Agents)를 모두 갖춘 이유
Fleet은 일회성 작업을 위한 범용 채팅과 반복적 업무를 위한 특화된 에이전트라는 두 가지 패턴을 제공합니다. 범용 채팅은 광범위한 컨텍스트를 처리하며, 특화된 에이전트는 지속적인 지침과 도구를 통해 일관된 반복 작업을 수행합니다.
6월 16일1
LangChainAI 번역헤드라인
Fireworks를 활용하여 100배 더 저렴한 Trace Judge 구축하기
LangSmith가 Fireworks와 협력하여 비용 효율적인 '인지된 오류(Perceived Error)' 감지 모델을 구축했습니다. Qwen 모델을 미세 조정하여 프론티어 모델 수준의 성능을 유지하면서도 비용을 최대 100배 절감했습니다.
6월 15일1
LangChainAI 번역헤드라인
에이전트 프레임워크를 생각하는 방법
신뢰할 수 있는 에이전트 시스템 구축을 위한 프레임워크의 본질과 설계 철학을 다룹니다. 에이전트 추상화와 오케스트레이션의 차이를 설명하며, LangGraph가 지향하는 방향성을 제시합니다.
6월 15일1
LangChainAI 번역헤드라인
Claude Code를 도메인 특화 코딩 에이전트로 전환하는 방법
Claude Code를 도메인 특화 코딩 에이전트로 최적화하기 위한 실험 결과를 공유합니다. 단순한 문서 접근보다 구조화된 Claude.md 가이드와 MCP 도구를 결합했을 때 가장 뛰어난 성능을 보임을 입증했습니다.
6월 15일1