에이전틱 AI 입문 강의 정리: 랭체인·랭그래프로 멀티 에이전트부터 AWS 배포까지

핵심 메시지

• 강의는 개념 → 파이썬 기초 → 랭체인 → 랭그래프 → 메모리와 사람 개입 → 배포 → 실전 프로젝트의 7단계로 짜여 있다.
• 랭그래프를 배우기 전에 랭체인을 먼저 다루는데, 모델 로딩과 프롬프트 템플릿 같은 기본기가 랭그래프에서도 그대로 쓰이기 때문이다.
• 비동기 프로그래밍과 파이단틱 검증을 별도 단계로 배치한 것은 에이전트 프레임워크가 내부적으로 이 둘에 기대고 있어서다.
• 지속성(persistence)은 스레드 ID로 대화를 분리해 저장하는 개념으로, 메모리에 두느냐 데이터베이스에 두느냐만 다를 뿐 원리는 같다.
• 사람 개입(HITL)은 민감한 도구 실행 앞에서 워크플로를 멈추고, 사용자의 승인 값을 받아 다시 이어서 실행하는 방식으로 구현된다.

쉽게 이해하기

프리코드캠프가 24시간이 넘는 분량의 에이전틱 AI 강의를 공개했다. 강사는 예전에는 대형 언어 모델 기반 애플리케이션이나 검색 증강(RAG) 애플리케이션을 주로 만들었지만, 지금은 에이전트가 애플리케이션 개발의 중심으로 옮겨왔다고 강의를 연다. 프롬프트 하나를 주면 에이전트가 목표를 이해해 여러 작업으로 쪼개고, 각 작업에 어떤 도구를 쓸지 스스로 정해 처리하는 자동화된 워크플로가 기존 생성형 AI 개발과 갈리는 지점이라는 설명이다.

강의는 일곱 단계로 나뉜다. 1단계는 에이전틱 AI가 무엇이고 대형 언어 모델 애플리케이션과 어떻게 다른지, 추론·계획·메모리·도구 사용·의사결정 같은 행동 특성과 에이전트 아키텍처를 훑는다. 2단계는 비동기 프로그래밍과 파이단틱이다. 랭그래프가 내부적으로 비동기를 써서 에이전트를 병렬로 굴리기 때문이고, 파이단틱은 에이전트가 주고받는 데이터를 검증하는 데 필요하기 때문이다.

3단계는 랭체인이다. 랭그래프가 랭체인 팀이 만든 산물인 데다, 랭그래프를 쓰더라도 모델 로딩과 프롬프트 템플릿 같은 유틸리티 코드는 랭체인으로 작성하게 되므로 먼저 다룬다. 강의는 랭체인의 가장 큰 무기로 체인을 꼽는다. 프롬프트 블록의 출력이 모델 블록의 입력이 되고, 그 출력이 다시 출력 파서로 넘어가는 식으로 블록을 순차 연결하는 워크플로이며, 연결할 수 있는 블록 수에 제한이 없다는 점을 장점으로 든다.

4단계 랭그래프에서는 상태, 노드, 엣지, 조건부 엣지, 시작·종료 노드, 그래프 컴파일, 체크포인터 같은 구성 요소를 다룬 뒤 순차·병렬·조건부·반복 워크플로를 차례로 구현한다. 5단계는 운영에 가까운 주제들이다. 지속성이 왜 필요한지, 단기 메모리와 대화 기록, 응답 스트리밍, 대화 스레드 분리, 데이터베이스를 이용한 영구 저장, 도구 연동과 RAG·벡터 데이터베이스 결합, 사람 개입(HITL), 랭스미스를 이용한 추적과 디버깅까지 이어진다.

6단계는 배포와 프로덕션 엔지니어링이다. 에이전트를 도커로 감싸고 FastAPI 백엔드와 데이터베이스를 붙인 뒤, 깃허브 액션으로 CI/CD를 구성해 AWS와 렌더에 올린다. 강의에서는 깃허브 저장소에 셀프 호스티드 러너를 등록하고 API 키 같은 값을 저장소 시크릿으로 넣어, 코드를 푸시하면 파이프라인이 자동으로 돌도록 만드는 과정을 화면으로 따라간다. 마지막 7단계에서는 랭그래프·데이터베이스·랭스미스·도구·RAG·사람 개입을 모두 붙인 에이전틱 챗봇, 자체 챗GPT 형태의 에이전트, 그리고 여행 계획을 짜는 멀티 에이전트 프로젝트를 만든다.

주요 인사이트

• 강의가 랭그래프보다 랭체인을 먼저 가르치는 순서는 취향이 아니라 구조적 이유다. 랭그래프는 워크플로를 짜는 자리이고, 모델·프롬프트 같은 주변 코드는 여전히 랭체인 몫이다.
• 에이전트 개발에서 비동기와 데이터 검증이 '기초 과목'으로 승격된 점이 눈에 띈다. 병렬 실행과 구조화된 출력이 전제되면서, 파이썬 기본기가 곧 에이전트 안정성으로 이어진다.
• 대화 스레드를 ID로 분리해 저장한다는 지속성 개념은 저장소가 메모리든 데이터베이스든 동일하다. 같은 그래프를 실행해도 스레드별로 상태가 격리된다는 점이 핵심이다.
• 사람 개입은 '승인 버튼'이 아니라 워크플로 중단과 재개라는 실행 모델로 구현된다. 민감한 도구 호출에서 실행이 멈추고, 사용자의 결정을 명령으로 되돌려 넣어야 이어진다.
• 강의가 도커·FastAPI·CI/CD·클라우드 배포에 한 단계를 통째로 할애한 것은, 에이전트를 노트북에서 돌리는 것과 서비스로 굴리는 것 사이의 간극이 그만큼 크다는 뜻이다.

자주 묻는 질문

관련 AI 소식