LangGraph - Songwooseok123/Study_Space GitHub Wiki

LangGraph 특징과 구조

LLM 기반 다중 에이전트 프에임워크

특징

사이클 지원
- 노드 간 양방향 소통 가능(순환 구조)
세밀한 워크플로우 생성
내장 지속성
상태 및 흐름 정밀 제어
Human in the loop
메모리 기능:노드와 노드 간의 주고받았던 입출력의 상태도 저희가 체크를 할 수 있지만이 그래프가 전체가 실행이 됐을 때 그 결과물도 지속해서 저희가 그다음 대화에 연속해서 쓸 수 있다는 점

LangGraph 구조

노드
엣지
에이전트: 노드와 노드 사이에 어떤 액션을 취해야 되는지에 대한 여부를 판단하는 AI

출처: https://blog.langchain.dev/langgraph-studio-the-first-agent-ide/

위의 그림은 langgprph studio에서 내가 짠 구조를 시각화해주는 그림.
- 현재 시점을 하이라이팅해주는 기능이 있음

LangGraph 코드 구성

출처:https://www.youtube.com/watch?v=p_pOIvXFDXQ

1. 📦 State(상태) 정의

class State(TypedDict):
    messages: Annotated[list, add_messages]

State는 노드 간 전달되는 데이터 구조 (스키마)

여기서는 messages 리스트에 메시지를 누적 저장 (add_messages 활용)

StateGraph(State)를 통해 전체 그래프가 이 구조를 기준으로 작동

2. 노드 정의

llm = ChatAnthropic(model="claude-3.5-sonnet")

def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}

graph_builder.add_node("chatbot", chatbot)

각 노드는 State를 받아 동작하는 함수

LLM 응답을 받아 messages에 다시 저장

add_node("노드명", 함수) 형식으로 그래프에 등록

3. 🔗 Edge(엣지) 및 Graph 정의

graph_builder.add_edge(START, "chatbot")
graph_builder.add_edge("chatbot", END)
graph = graph_builder.compile()

add_edge(출발, 도착)으로 노드 간 흐름을 지정

START, END는 그래프의 시작과 종료 지점

compile()로 실행 가능한 그래프 객체 생성

핵심 개념 정리

구성 요소	설명
State	노드 간 주고받는 데이터 구조. `TypedDict` 기반
Node	`State`를 입력받아 작업 후, 결과를 `State` 형태로 반환하는 함수
Edge	노드 간 연결. 흐름(Flow)을 구성
Graph	전체 워크플로우 정의체. `compile()`로 실행 가능 객체로 변환
messages	LLM 응답이 저장되는 핵심 데이터 필드

LangChain vs LangGraph

출처: https://www.youtube.com/watch?v=yD3SnuU6Pd8

항목	LangChain	LangGraph
실행 구조	체인 중심, 선형적(직렬) 흐름	상태 기반, 그래프 구조
메시지 흐름	단방향, 고정된 순서	동적, 양방향
상태 공유 방식	Chain마다 개별 입력/출력	`State`를 통해 전체 공유
멀티턴 처리	어렵거나 수동 처리 필요	`State` 누적으로 자연스러운 멀티턴 처리 가능
제어 흐름	제한적, Chain/Tool을 붙여서 분기 구현(어려움)	조건부 노드 전이 (`if/else` 라우팅으로 분기 등) 직관적 구현
복잡한 워크플로우	코드가 복잡해짐	그래프 구조로 시각적·논리적으로 깔끔하게 처리 가능