성공지식백과 로고성공지식백과

LangGraph

중급

LangGraph는 AI 문맥에서 자주 등장하는 개념입니다. 이 페이지는 중급 난이도로 LangGraph의 뜻과 쓰임을 빠르게 이해할 수 있도록 정리한 AI 용어사전 항목입니다.

LangGraph를 처음 보는 독자도 헷갈리지 않도록 정의와 맥락를 한 페이지에 묶었습니다. 아래 설명을 먼저 읽고, 이어서 연결된 개념과 글까지 보면 이해가 훨씬 빨라집니다.

LangGraphLangChain 팀이 개발한 에이전트 오케스트레이션 프레임워크입니다. LLM 에이전트의 동작 흐름을 방향성 비순환 그래프(DAG) 또는 순환 그래프로 정의해 복잡한 멀티스텝 작업을 구조적으로 관리합니다.

LangGraph의 핵심 강점은 상태 관리(State Management)입니다. 에이전트가 여러 단계를 거쳐 작업할 때 중간 상태를 유지하고, 조건에 따라 흐름을 분기하거나 반복할 수 있습니다. 단순 체인으로 표현하기 어려운 루프와 조건 분기가 필요한 에이전트에 적합합니다.

실제 활용 예로는 웹 리서치 에이전트 구현이 있습니다. 검색 → 내용 추출 → 충분한 정보인지 판단 → 부족하면 재검색, 충분하면 요약 작성이라는 순환 흐름을 그래프 노드로 표현합니다. Claude Opus 4.6, GPT-5.4 등 다양한 모델을 노드별로 다르게 지정할 수도 있습니다.

ℹ️쉽게 말하면

AI 에이전트의 행동 흐름을 지도처럼 그려서 관리하는 도구입니다. "이 조건이면 왼쪽, 저 조건이면 오른쪽"처럼 AI가 상황에 따라 다른 경로로 작업하도록 설계할 수 있습니다.

LangGraph의 기본 구성 요소를 살펴보면 세 가지입니다. 첫째는 노드(Node)로, 실제 작업을 수행하는 함수입니다. LLM 호출, 도구 실행, 데이터 변환 등이 각각 노드가 됩니다. 둘째는 엣지(Edge)로, 노드 간의 연결 방향을 정의합니다. 조건부 엣지를 사용하면 런타임에 결과를 보고 다음 노드를 동적으로 선택할 수 있습니다. 셋째는 상태(State)로, 그래프 전체에서 공유되는 데이터 구조입니다. 각 노드는 상태를 읽고 수정하면서 다음 노드로 전달합니다.

LangGraph가 일반 LangChain 체인과 다른 결정적인 차이는 순환 가능 여부입니다. LangChain의 기본 체인은 선형으로 한 방향만 흐릅니다. 하지만 LangGraph는 그래프에 순환(cycle)을 허용하므로, 에이전트가 결과를 평가하고 불충분하면 이전 단계로 되돌아가는 반복 구조를 만들 수 있습니다. 이 특성이 자율적으로 품질을 점검하는 에이전트 구현에 핵심입니다.

멀티에이전트 시스템 구성에서도 LangGraph가 많이 쓰입니다. 하나의 슈퍼바이저 에이전트가 작업을 분배하고, 여러 전문화된 서브에이전트가 각각의 작업을 처리하는 구조를 그래프로 표현할 수 있습니다. 예를 들어 코드 작성 에이전트, 코드 리뷰 에이전트, 테스트 에이전트를 각각 노드로 만들어 협업하게 하는 시스템이 가능합니다.

LangGraph의 체크포인트(Checkpoint) 기능도 실용적입니다. 그래프 실행 중간에 상태를 저장해두면, 실패했을 때 처음부터 다시 시작하지 않고 마지막 체크포인트부터 재시작할 수 있습니다. 오래 실행되는 에이전트 작업에서 비용과 시간을 절약하는 데 도움이 됩니다. Human-in-the-loop 패턴 구현 시에도 유용합니다. 에이전트가 중간에 사람에게 승인을 요청하고 답변을 기다린 뒤 다시 이어서 실행하는 구조가 가능합니다.

LangGraph를 언제 선택해야 하는지 기준을 잡으면 이렇습니다. 단순한 질문-답변이나 한 번의 LLM 호출로 끝나는 작업이라면 굳이 LangGraph를 쓸 필요가 없습니다. 하지만 에이전트가 스스로 계획을 세우고, 도구를 반복 호출하고, 결과를 검증하며, 필요하면 전략을 바꾸는 복잡한 시나리오라면 LangGraph가 적합합니다. ReAct, Plan-and-Execute, Reflexion 같은 에이전트 패턴을 구현할 때 자주 활용합니다.

LangGraph Studio는 그래프를 시각적으로 디버깅하고 실행 흐름을 추적하는 개발 도구입니다. 노드별 입출력 데이터를 단계별로 확인하고, 특정 노드에서 실행을 멈추거나 상태를 수정해 다시 실행하는 것이 가능합니다. 복잡한 에이전트를 처음 개발할 때 실행 흐름이 의도대로 작동하는지 빠르게 검증하는 데 도움이 됩니다.

LangGraph를 처음 접하는 사람이 혼동하기 쉬운 점은 LangChain과의 관계입니다. LangGraph는 LangChain 위에서 동작하며, LangChain의 모델, 도구, 메모리 컴포넌트를 그대로 사용할 수 있습니다. 하지만 LangChain 없이 LangGraph만 단독으로 사용하는 것도 가능합니다. LangGraph는 에이전트 오케스트레이션에 집중하고, LangChain은 개별 컴포넌트를 제공하는 역할을 담당합니다. 두 도구를 함께 쓰면 컴포넌트의 풍부함과 복잡한 흐름 제어를 모두 얻을 수 있습니다.

LangGraph Cloud는 LangGraph 에이전트를 프로덕션 환경에 배포하고 관리하는 호스팅 서비스입니다. 자동 스케일링, 지속적인 상태 저장, 모니터링 대시보드를 기본으로 제공합니다. 로컬 개발 환경에서 만든 그래프를 그대로 클라우드에 올려 서비스할 수 있어, 에이전트 배포 과정의 복잡도를 크게 낮춥니다. 자체 인프라를 운영하기 어려운 팀에서는 이 서비스를 통해 복잡한 멀티에이전트 시스템을 빠르게 프로덕션에 올릴 수 있습니다.