Tag: LangChain

0

LangGraph 완벽 가이드 - AI 에이전트와 워크플로우 구축

LangGraph란?LangGraph는 LangChain을 기반으로 상태를 가진(stateful) 멀티 액터 애플리케이션을 그래프로 구축할 수 있는 라이브러리입니다. LangChain이 단순한 체인 구조라면, LangGraph는 복잡한 순환 구조와 조건부 분기를 지원하는 강력한 워크플로우 엔진입니다. LangGraph의 탄생 배경LangChain의 체인 방식은 선형적인 워크플로우에는 적합하지만, 다음과 같은 한계가 있었습니다: 순환(cycle) 구조를 구현하기 어려움 복잡한 조건부 분기 처리 한계 상태 관리의 어려움 Human-in-the-loop 구현의 복잡성 LangGraph는 이러한 한계를 극복하기 위해 만들어졌습니다. LangGraph의 핵심 개념 ┌─────────┐ │ START │ └────┬────┘ │ ┌────▼────┐ │ Node A │ └────┬────┘ │ ┌───────┴───────┐ │ │┌───▼───┐ ┌───▼───┐│Node B │ │Node C │└───┬───┘ └───┬───┘ │ │ └───────┬───────┘ │ ┌────▼────┐ │ END │ └─────────┘ Nodes (노드): 작업을 수행하는 단위 (함수) Edges (엣지): 노드 간의 연결 (제어 흐름) State (상태): 그래프 전체에서 공유되는 데이터 Conditional Edges (조건부 엣지): 상태에 따라 다음 노드를 결정

0

LangChain과 LangGraph로 시작하는 AI 에이전트 개발

LangChain과 LangGraph 개요LangChain과 LangGraph는 대규모 언어 모델(LLM)을 활용한 애플리케이션 개발을 위한 강력한 프레임워크입니다. LangChain은 LLM 기반 애플리케이션 개발을 위한 기본 구성 요소를 제공하며, LangGraph는 복잡한 AI 에이전트와 워크플로우를 그래프 구조로 설계할 수 있게 해줍니다. LangChain이란?LangChain은 LLM을 활용한 애플리케이션을 쉽게 구축할 수 있도록 돕는 오픈소스 프레임워크입니다. LangChain의 주요 특징 체인(Chain) 기반 구조: 여러 컴포넌트를 연결하여 복잡한 작업 수행 다양한 LLM 지원: OpenAI, Anthropic, HuggingFace 등 다양한 모델 지원 Memory 관리: 대화 히스토리 및 컨텍스트 유지 도구 통합: 외부 API, 데이터베이스, 검색 엔진 등과 연동 프롬프트 템플릿: 재사용 가능한 프롬프트 관리 LangGraph란?LangGraph는 LangChain을 기반으로 상태를 가진(stateful) 멀티 액터 애플리케이션을 그래프로 구축할 수 있는 라이브러리입니다. LangGraph의 주요 특징

0

LangChain 완벽 가이드 - LLM 애플리케이션 개발의 시작

LangChain이란?LangChain은 대규모 언어 모델(LLM)을 활용한 애플리케이션을 쉽게 구축할 수 있도록 돕는 오픈소스 프레임워크입니다. 2022년 10월 Harrison Chase가 시작한 프로젝트로, LLM 기반 애플리케이션 개발의 사실상 표준이 되었습니다. LangChain의 주요 특징 체인(Chain) 기반 구조: 여러 컴포넌트를 연결하여 복잡한 작업 수행 다양한 LLM 지원: OpenAI, Anthropic, Google, HuggingFace 등 다양한 모델 지원 Memory 관리: 대화 히스토리 및 컨텍스트 유지 도구 통합: 외부 API, 데이터베이스, 검색 엔진 등과 연동 프롬프트 템플릿: 재사용 가능한 프롬프트 관리 문서 처리: PDF, HTML, 텍스트 등 다양한 문서 형식 지원 벡터 스토어 통합: Chroma, Pinecone, FAISS 등 다양한 벡터 DB 지원 LangChain의 핵심 개념Input → Prompt → LLM → Output Parser → Result LangChain은 위와 같은 파이프라인을 쉽게 구성하고 관리할 수 있도록 도와줍니다. 1. 설치 및 환경 설정필수 패키지 설치

0

RAG 시스템 구축 가이드

RAG 시스템 구축 단계RAG 시스템을 처음부터 구축하는 전체 과정을 단계별로 설명합니다. 1. 환경 설정필수 라이브러리 설치# Python 가상환경 생성python -m venv venvsource venv/bin/activate # Windows: venv\Scripts\activate# 기본 라이브러리 설치pip install langchain langchain-community langchain-openaipip install chromadb # 벡터 데이터베이스pip install openai # OpenAI APIpip install tiktoken # 토큰 카운팅pip install pypdf # PDF 처리pip install python-dotenv 환경 변수 설정# .env 파일 생성OPENAI_API_KEY=your-api-key-here 2. 문서 준비 및 로딩2.1 문서 로더 선택