LangGraph Agent 실행

AI4C

LangGraph Agent 실행

bde574786 2025. 5. 7. 21:00

LangGraph Agent 코드

LangGraph 프레임워크는 대화형 에이전트를 그래프 형태의 워크플로우로 구성하도록 설계되었다. 각 노드는 개별 기능이나 단계를 수행하며, 노드들이 연결되어 전체 대화 흐름(그래프)을 형성한다. 예를 들어, 하나의 노드는 사용자 입력을 처리하고, 다음 노드는 AI 모델을 통해 응답을 생성하며, 또 다른 노드는 그 응답을 사용자에게 출력하는 식이다.

가장 기본적인 상호작용 기능에 초점을 맞춘 간단한 버전으로, 사용자 입력을 받아 응답을 생성하는 최소한의 흐름만 구현되어 있다.

simple_agent.py

import sys
import os

sys.path.insert(0, os.path.abspath("."))
from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.graph.message import add_messages
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
load_dotenv()
print(os.getenv("OPENAI_API_KEY"))
# Define the State structure with annotations
class State(TypedDict):
    messages: Annotated[list, add_messages]


# Create a StateGraph and language model instance
graph_builder = StateGraph(State)
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)


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


# Build the graph structure
graph_builder.add_node("chatbot", chatbot)
graph_builder.add_edge(START, "chatbot")
graph_builder.add_edge("chatbot", END)
graph = graph_builder.compile()

# Main interaction loop
while True:
    user_input = input("사용자: ")
    if user_input.lower() in ["quit", "exit", "q"]:
        print("Goodbye!")
        break
    for event in graph.stream({"messages": ("user", user_input)}):
        for value in event.values():
            print("에이전트:", value["messages"][-1].content)

코드 분석

에이전트 워크플로우 구성

LangGraph 라이브러리에서 필요한 클래스와 함수를 임포트하고 에이전트의 동작 흐름을 정의하는 여러 노드들을 생성한다. Pseudo-code(의사 코드)로 표현하면 다음과 같은 단계로 이루어져 있을 것이다.

입력 노드: 사용자로부터 질문을 입력 대기(ex: 콘솔에서 사용자 입력 대기)
처리 노드: Language Model 등 AI를 활용하여 응답을 생성하는 부분. LangGraph의 모듈을 통해 프롬프트를 언어 모델에 전달하고 결과를 받을 수 있음(ex: OpenAI API를 호출하여 답변 생성)
출력 노드: 모델이나 로직이 생성한 답변을 사용자에게 출력(ex: 콘솔에 답변 표시)

이러한 노드들을 LangGraph의 그래프로 연결하여 순서대로 실행되도록 설정한다. 즉, 입력 노드, 처리 노드, 출력 노드 순으로 데이터 흐름이 이어지게 워크플로우를 구성한다.

코드 흐름

simple_agent.py 코드에서는 위 워크플로우에 따라 코드가 작성되어 있다. 프로그램을 실행하면 먼저 에이전트가 초기화되고 사용자 입력을 받을 준비를 한다. 그런 다음 루프를 돌면서 사용자의 질문을 받으면 즉시 처리 노드로 전달하여 응답을 생성하고, 그 결과를 출력 노드를 통해 화면에 보여준다. 이 전체 사이클이 LangGraph 프레임워크 안에서 일관되게 동작하도록 관리된다.

LangGraph가 실제로 등록하고 실행하는 노드는 chatbot 하나이지만 코드의 기능적 흐름에서는 입력, 처리, 출력이라는 3단계 역할을 수행하므로 3개의 논리적 노드라고도 설명할 수 있다.

확장 방향

추후 개발자는 이 예제를 기반으로 에이전트에 기능을 추가하고 개선할 수 있다.

사용자 질문을 전처리하거나 의도를 파악하는 자연어 이해 노드
외부 지식 베이스나 데이터베이스를 질의하는 정보 조회 노드
대화 내역을 기억하여 문맥을 유지하는 메모리 노드를 그래프에 추가

실행

스크립트를 실행하면 콘솔에서 에이전트와 상호 작용할 수 있는 프롬프트가 나타날 것이다. 프롬프트에서 질문을 입력하면 에이전트가 이에 대한 응답을 텍스트로 출력한다.

사용자: 안녕하세요?
에이전트: 안녕하세요! 무엇을 도와드릴까요?

사용자: 1+1은 얼마죠?
에이전트: 1+1은 2입니다.

사용자: LangGraph는 무엇인가요?
에이전트: LangGraph는 언어학적 그래프 분석을 위한 오픈소스 라이브러리입니다. 
이 라이브러리는 자연어 처리 및 텍스트 마이닝 작업을 수행하는 데 사용될 수 있으며, 
특히 텍스트 데이터의 구조와 관계를 시각화하고 분석하는 데 유용 합니다. 
LangGraph는 Python으로 작성되었으며, 다양한 언어학적 그래프 분석 기능을 제공합니다.

사용자가 몇 가지 질문을 했을 때 에이전트가 어떻게 응답하는지 보여준다. 실제로 출력되는 답변은 구현된 로직이나 사용된 언어 모델에 따라 달라질 수 있다. 중요한 것은 에이전트가 입력을 받고 이에 맞는 출력을 생성하는 기본 사이클이 제대로 작동하는지 확인하는 것이다.

Reference

https://github.com/netschool-kr/langgraph-mcp