브리지워터 AI 애널리스트 PAT 사례: 에이전트 리서치 설계를 컴파일러 문제로 푸는 법
시스테매틱 매크로 헤지펀드 브리지워터가 사내에 배포한 AI 리서치 에이전트 팟의 설계를 공개했다. 계획을 곧 분석으로 보는 접근과, 코드 생성과 검증을 컴파일러 문제처럼 다룬 아키텍처가 이 사례의 핵심이다.
핵심 내용 읽기 →
AI TOPIC
LangGraph 최신 뉴스와 핵심 해설
LangGraph 관련 핵심 뉴스와 활용 인사이트 17편을 최신순으로 모았습니다.
링크드인 채용 AI 에이전트 사례: LangGraph로 면접 소요 시간 60% 단축한 설계 전략
링크드인 채용팀이 LangChain과 LangGraph로 만든 채용 에이전트의 구조, 89개 프레임워크 중 LangGraph를 고른 이유, 그리고 실제 운영에서 확률적 모델을 예측 가능하게 다듬은 방법을 정리했다.
핵심 내용 읽기 →
임상 AI 에이전트 구축: LangGraph 평가 스택과 고위험 산업 배포법
환자 안전과 규제가 걸린 의료에서 AI 에이전트를 어떻게 빠르고도 안전하게 배포할까. Abridge가 LangGraph·LangSmith로 세운 평가 스택과 릴리스 전략을 정리했다.
핵심 내용 읽기 →
실무 AI 에이전트 구축 교훈: 플랫 구조·범용 도구·평가 주도 개발(EDD)
HR·급여 플랫폼 Rippling이 사내 AI 에이전트를 만들며 얻은 교훈. 서브에이전트를 걷어낸 플랫 구조, 스키마로 SQL을 쓰게 하는 범용 도구, 그리고 평가를 먼저 세우는 개발 방식을 정리했다.
핵심 내용 읽기 →
AI 에이전트 메모리 구현: LangGraph 단기 기억과 스레드 ID로 대화 기억시키기
AI 에이전트가 대화를 기억하게 만드는 단기 메모리를 LangGraph의 InMemorySaver와 스레드 ID로 구현하는 방법을, 6가지 메모리 유형과 함께 코드로 정리했다.
핵심 내용 읽기 →
LangGraph로 직접 만드는 AI 에이전트와 워크플로우 5가지 핵심 패턴 완전 정리
LangChain의 Lance가 Anthropic의 '효과적인 에이전트 만들기' 글을 바탕으로 워크플로우와 에이전트의 차이, 그리고 프롬프트 체이닝·병렬화·라우팅 등 핵심 패턴을 LangGraph로 직접 구현해 설명했다.
핵심 내용 읽기 →
랭그래프(LangGraph) 기초: 상태·노드·엣지로 AI 에이전트 워크플로 설계하기
파이썬 라이브러리 랭그래프의 기초를 정리했다. 타입 힌트부터 상태·노드·엣지·조건부 엣지·도구·스테이트그래프까지 그래프 기반 AI 에이전트 설계의 핵심 요소를 다룬다.
핵심 내용 읽기 →
LangSmith Agent Builder: 랭체인이 내놓은 첫 노코드 에이전트 빌더 정리
랭체인이 공개한 LangSmith Agent Builder는 워크플로우가 아닌 '에이전트'를 자연어와 설문만으로 만드는 노코드 도구다. 해리슨 체이스의 설계 철학과 실제 동작을 정리했다.
핵심 내용 읽기 →
LangGraph 커스텀 챗봇 인터페이스: 에이전트 챗 UI 커스터마이즈 가이드
랭체인이 공개한 에이전트 챗 UI를 커스터마이즈해 랭그래프 백엔드와 연결하는 방법. YAML 설정으로 로고·테마·도구 표시를 조절하고, 스레드·시스템 프롬프트 동적 변경까지 지원하는 프런트엔드를 소개한다.
핵심 내용 읽기 →
LangChain vs LangGraph 차이 정리 — 체인 구조와 상태 기반 멀티에이전트
LangChain은 LLM 작업을 순서대로 잇는 체인 구조, LangGraph는 상태를 공유하는 그래프 구조로 복잡한 멀티에이전트 워크플로를 다룬다. 두 오픈소스 프레임워크의 차이를 IBM 설명으로 정리한다.
핵심 내용 읽기 →
랭그래프+올라마 로컬 AI 에이전트 만들기: 무료 오픈소스 모델로 실습
랭그래프와 올라마, 오픈소스 모델 Qwen3로 API 비용 없이 로컬에서 동작하는 AI 에이전트를 만드는 과정을 정리했습니다. 상태 그래프와 도구 호출 흐름을 설명합니다.
핵심 내용 읽기 →
멀티 에이전트 아키텍처 개념 가이드: 네트워크·슈퍼바이저·계층형·커스텀 구조
단일 에이전트의 한계에서 출발해 네트워크·슈퍼바이저·계층형 등 멀티 에이전트 아키텍처의 차이와, 에이전트가 상태 공유 또는 도구 호출로 소통하는 방식을 개념적으로 정리한다.
핵심 내용 읽기 →
딥 에이전트 입문: LangChain·LangGraph로 계획·서브에이전트·메모리 구현
ChatGPT·Claude Code의 딥 리서치 기능을 가능케 하는 '딥 에이전트'의 개념과, LangChain의 deepagents 라이브러리로 계획·서브 에이전트·파일시스템 메모리를 구현하는 방법을 정리했습니다.
핵심 내용 읽기 →
UiPath 코딩 에이전트 실습: Claude Code·LangGraph로 기업용 AI 에이전트 구축
UiPath가 Claude Code 같은 코딩 에이전트 위에서 거버넌스·보안·휴먼 인 더 루프를 더해 기업용으로 배포하는 방식을, 워크플로 생성과 실행 데모로 정리했습니다.
핵심 내용 읽기 →
AI 에이전트 프레임워크 비교: CrewAI·AutoGen·OpenAI SDK·Google ADK·LangGraph
같은 에이전트를 다섯 프레임워크로 다시 만들어 본 개발자가 CrewAI·AutoGen·OpenAI Agents SDK·Google ADK·LangGraph의 장단점과 선택 기준을 정리했다.
핵심 내용 읽기 →
LangChain 1.0 입문 — 실전용 AI 에이전트 구조 설계 가이드
대부분의 AI 에이전트가 실전에서 실패하는 이유는 모델이 아니라 코드 구조에 있습니다. LangChain 1.0의 세 기둥과 설계 원칙을 정리했습니다.
핵심 내용 읽기 →
WorkOS 스튜디오 사례: LangGraph와 Opus로 만든 사내 데이터 질문 에이전트
WorkOS의 개럿 갤로우가 사내 도구 '스튜디오'를 소개한다. 자연어로 비즈니스 질문을 던지면 에이전트가 Snowflake·Linear·Notion을 조회해 답하고, 재사용 가능한 대시보드 위젯까지 직접 만든다.
핵심 내용 읽기 →