Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LangChainAI 번역헤드라인
LangGraph와 LangSmith를 활용하여 '평가 우선(Eval-First)' AI 건강 코치를 구축한 Numan의 이야기
Numan은 의료 규제가 엄격한 환경에서 고품질의 AI 건강 코치 'Nu'를 개발했습니다. 기존의 단일 턴 평가나 스크립트 기반 테스트는 대화적 특성을 가진 코칭 영역을 제대로 측정하지 못한다는 한계가 있었습니다. 이에 Numan은 LangGraph 구조를 채택하여, 감독자 모델이 여러 전문 하위 에이전트에게 작업을 분배하고 각 에이전트가 특정 코칭 영역에 집중하도록 설계했습니다.
10월 19일0
LangChainAI 번역헤드라인
LangSmith의 역할 기반 접근 제어(RBAC) 업데이트
LangSmith가 기업 환경의 LLM 애플리케이션 구축 시 발생하는 접근 관리 문제를 해결하기 위해 역할 기반 접근 제어(RBAC) 기능을 업데이트했습니다. 이 기능은 사용자에게 최소한의 권한만을 부여하는 세밀한 접근 통제를 가능하게 하며, 개인 액세스 토큰과 서비스 키를 분리하여 API 보안을 강화합니다.
10월 18일1
LangChainAI 번역헤드라인
Kay x Cybersyn x LangChain: RAG를 위한 SEC 공시 자료 임베딩
본 글은 Kay와 Cybersyn이 협력하여 LangChain의 SEC Retriever를 소개하며, 개발자들이 미국 상장 회사의 중요한 금융 정보가 담긴 SEC 공시 자료에서 컨텍스트를 쉽게 검색할 수 있도록 돕는 방법을 다룹니다. 이 도구는 LLM의 최신 지식 부족 문제를 해결하고, 복잡한 금융 데이터 처리에 필요한 RAG 파이프라인 구축 과정을 간소화합니다.
10월 18일2
LangChainAI 번역헤드라인
LangChain 출시 2주년 기념
LangChain Python 패키지 출시 2주년을 맞아, 초기 LLM 애플리케이션 구축의 용이성을 제공해 온 LangChain이 이제는 운영 환경(production)에 배포 가능한 고품질 앱 개발로 진화하고 있음을 강조합니다. 이에 따라 핵심 제품군으로 LangGraph와 LangSmith가 추가되면서 'LangChain'이라는 회사로 확장되었습니다.
10월 18일1
LangChainAI 번역헤드라인
2026년 10월 LangChain 뉴스레터: Interrupt NYC & London에서 공개된 모든 기능
LangChain이 Interrupt NYC & London에서 새로운 기능을 공개하며, 기업들이 자체 지능을 활용해 프로덕션 환경의 에이전트를 구축하고 관리하는 데 초점을 맞추고 있습니다. LangSmith는 AI 검색, 개인화된 Deep Agents, Red Teaming 기능 등 다양한 개선 사항을 제공합니다. 또한, LangGraph와 Jev를 활용한 고성능 에이전트 구축 방법도 소개되었습니다.
10월 15일1
LangChainAI 번역헤드라인
에이전트 평가(Agent Evals)에 대한 가장 일반적인 질문과 답변
본 글은 에이전트가 기대대로 동작하는지 검증하는 '에이전트 평가(Agent Evals)'의 중요성과 방법을 다룹니다. 기존 소프트웨어와 달리, 에이전트는 실행마다 출력이 달라지고 경로도 다양하여 단위 테스트가 어렵습니다. 따라서 트레이스 기반으로 작은 데이터셋을 구축하고 기준선 평가를 수행해야 합니다.
10월 15일1
LangChainAI 번역헤드라인
딥 에이전트와 컨텍스트 엔지니어링: 모든 것을 기억하는 방법
본 글은 에이전트가 장시간 작업 수행 시 발생하는 '컨텍스트 부패(Context rot)' 문제를 다룹니다. Deep Agents는 LangChain의 오픈 소스 하니스로, 오프로딩, 요약본 생성, 스킬, 서브 에이전트, 장기 메모리 등 다섯 가지 기술을 활용하여 컨텍스트를 활성 창 밖으로 관리함으로써 정확도 저하를 방지합니다.
10월 14일1
LangChainAI 번역헤드라인
Orange Business가 LangChain과 LangSmith를 활용하여 라이브 인텔리전스를 구축한 방법
Orange Business가 자체 개발의 한계를 극복하기 위해 LangChain과 LangSmith를 활용하여 엔터프라이즈급 AI 플랫폼 Live Intelligence를 구축한 과정을 설명합니다. 이 플랫폼은 에이전트 빌더, 최종 사용자 포털, 관리 콘솔 등 세 가지 구성 요소로 나뉘어 복잡한 비즈니스 프로세스 오케스트레이션 및 거버넌스를 제공합니다.
10월 13일1
LangChainAI 번역헤드라인
harness 엔지니어링을 통한 딥 에이전트 개선
본 기사는 에이전트의 성능을 향상시키는 '하네스 엔지니어링' 접근 방식을 소개합니다. 하네스는 시스템 프롬프트, 도구, 미들웨어 등 모델 주변에 구축되는 도구들을 의미하며, 이를 조정하여 에이전트가 작업을 수행하는 전반적인 과정을 최적화할 수 있습니다. 이 방법을 통해 코딩 에이전트의 성능을 크게 개선한 사례를 제시합니다.
10월 13일2
LangChainAI 번역헤드라인
LangSmith에서 AI 검색을 이용해 행동별 에이전트 트레이스 검색하기
LangSmith에 AI Search 기능이 추가되어, 사용자가 'PII 유출'이나 '좌절 여부'와 같은 자연어 질문을 통해 에이전트 트레이스를 의미론적으로 검색할 수 있게 되었습니다. 이 기능을 통해 복잡하고 방대한 에이전트 트레이스 데이터에서 특정 행동 패턴이나 문제를 쉽게 찾아내고, 에이전트 성능 개선에 활용할 수 있습니다.
10월 13일1
LangChainAI 번역헤드라인
ScaleDown과 Deep Agents를 활용한 장기 실행 에이전트 구축하기
본 글은 장기 실행 에이전트 구축 시 필수적인 컨텍스트 관리 문제를 해결하기 위해 ScaleDown의 제약 디코딩 모델(CDMs)을 활용하는 방법을 다룹니다. ScaleDown은 요약, 압축, 추출 등 특정 작업에 특화되어 일반 LLM보다 빠르고 저렴하게 작동합니다. LangChain 및 Deep Agents를 위한 미들웨어를 제공하며, LangSmith에서도 지원되어 에이전트의 컨텍스트 관리를 효율적으로 돕습니다.
10월 13일1
LangChainAI 번역헤드라인
LangChain에서 Airbyte 소스를 활용하는 방법 소개
Airbyte 팀과 협력하여 LangChain에 다양한 서비스 소스(Gong, Hubspot 등)를 문서 로더 형태로 쉽게 연결할 수 있게 되었습니다. 이를 통해 사용자는 Airbyte 인스턴스를 구동하거나 API 호출 없이도 Python 런타임 내에서 데이터를 불러올 수 있습니다. 또한, 레코드와 Document 간의 매핑 및 증분 로드 기능까지 제공하여 개발 편의성을 높였습니다.
10월 10일1
LangChainAI 번역헤드라인
Managed Deep Agents를 활용하여 뛰어난 기본 사용자 경험을 구축하는 방법
새로운 reactions API와 SDK를 활용하여 Managed Deep Agents의 로딩 상태 및 상호작용 사용자 경험(UX)을 개선하는 방법을 다룹니다. 에이전트가 작업 중임을 시각적으로 보여주는 것이 사용자의 신뢰도를 높이는 핵심 요소입니다.
10월 9일2
LangChainAI 번역헤드라인
Harness 내에서 모델 라우터 구축 방법
본 글은 코딩 에이전트의 운영 비용 절감을 위해 효과적인 모델 라우터 구축 방법을 안내합니다. Open SWE를 예시로, 작업 유형별 트레이스 분석을 통해 LLM 분류기를 활용하여 요청을 레이블링하고, 이를 기반으로 저비용/고효율 모델 사용 전략을 수립했습니다.
10월 9일1
LangChainAI 번역헤드라인
Jev란 무엇인가? TypeSafe AI의 System One 모델 가이드
TypeSafe AI가 출시한 Jev는 전통적인 LLM이 아닌 System One 모델로, 소프트웨어 애플리케이션에서 빠르고 구조화된 결정을 내리는 데 특화되어 있습니다. 이 모델은 강화학습을 통해 훈련되었으며, 기존 에이전트 루프의 느리고 비용이 많이 드는 결정 과정을 혁신적으로 개선합니다.
10월 9일2
LangChainAI 번역헤드라인
Snyk가 내부 지원 에이전트를 고객 기능으로 전환한 방법
Snyk는 내부 지원 시스템으로 개발된 'Snyk Assist'를 핵심 고객 기능으로 전환한 과정을 공유합니다. 이 에이전트는 LangChain과 LangGraph 기반이며, 사용자의 권한 내에서 작동하도록 설계되어 보안성과 신뢰성을 확보했습니다. 이를 통해 고객은 분산된 정보(문서, 지원 기사 등)를 검색할 필요 없이 일반 언어로 빠르고 정확하게 답변을 얻고 필요한 조치를 취할 수 있게 되었습니다.
10월 9일1
LangChainAI 번역헤드라인
결제할 수 있는 에이전트 구축하기: Stripe의 Link와 Managed Deep Agents로 Restock 구현
본 글은 실제 돈이 오가는 결제 기능을 갖춘 에이전트 'Restock' 구축 과정을 설명합니다. Restock은 Stripe의 Link와 Machine Payments Protocol(MPP)을 활용하여, 사용자의 예산 내에서 안전하게 제품 검색부터 결제까지 완료하는 것이 핵심입니다. 이를 통해 모델에게 민감한 자격 증명이 노출되는 위험을 최소화했습니다.
10월 8일1
LangChainAI 번역헤드라인
Deep Agent의 스킬 기능 개선점
본 글은 Deep Agent의 스킬 기능 개선점을 다루며, 에이전트가 도구를 스킬에 바인딩하고 앱에서 특정 스킬을 고정(pin)할 수 있게 되었다고 설명합니다. 또한 장시간 실행되는 에이전트도 새롭거나 변경된 스킬을 재로드하여 반영할 수 있어 효율성이 높아졌습니다.
10월 7일1
LangChainAI 번역헤드라인
Managed Deep Agents의 새로운 기능: 스케줄링, 실행별 설정 및 Slack 반응
Managed Deep Agents v0.9가 출시되어 에이전트 기능이 대폭 강화되었습니다. 주요 업데이트로는 자체적인 후속 작업 예약(Schedules SDK), 실행별 동적 구성, 그리고 Slack 메시지 반응 기능 등이 추가되었습니다. 이를 통해 내부 협업 채널에 상주하며 복잡한 업무를 처리하는 지능형 에이전트 구축이 용이해졌습니다.
10월 7일1
LangChainAI 번역헤드라인
LangChain 에이전트용 AgentCore Payments 미들웨어
본 글은 에이전트가 유료 서비스에 접근하는 '에이전트 경제' 시대를 맞아 필요한 결제 인프라를 다룹니다. Amazon Bedrock AgentCore Payments는 LangChain 개발자를 위해 설계되어, 자율 에이전트의 트랜잭션 전반에 걸쳐 결정론적 결제 한도 및 지출 관리를 제공합니다. 이를 통해 개발자는 비용 처리 복잡성 없이 사용량 기반 비즈니스 로직 구현에 집중할 수 있습니다.
10월 7일2