러닝 랭체인 - 랭체인과 랭그래프로 구현하는 RAG, 에이전트, 인지 아키텍처

 

도서명 :  러닝 랭체인

 

출판사 : 한빛미디어

 

지은이 : 메이오 오신 , 누노 캄포스 

 

독서 기간 : 2025-06-10 ~ 2025-06-28

 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 

 

해당 도서를 받기 직전에 LLM 기반 Agent 를 만드는 소규모 프로젝트를 진행했었다.

물론, 해당 도서를 받고 나서 진행했으면 더 좋은 결과물이 있었을텐데 라는 아쉬움이 조금은 남았다.

하지만 오히려 좋은게 해당 프로젝트하고 나서 위 도서를 읽는 것이라 어떤게 부족했고 어떤게 더 나은 방법인지 고찰할 수 있을 것 같다.

먼저 목차부터 보면 아래와 같다.


CHAPTER 00 랭체인을 위한 기초 AI 지식
CHAPTER 01 랭체인의 기본 LLM 사용법
CHAPTER 02 RAG 1단계: 데이터 인덱싱
CHAPTER 03 RAG 2단계: 데이터 기반 대화
CHAPTER 04 랭그래프를 활용한 메모리 기능
CHAPTER 05 랭그래프로 구현하는 인지 아키텍처
CHAPTER 06 에이전트 아키텍처 I
CHAPTER 07 에이전트 아키텍처 II
CHAPTER 08 LLM의 성능을 높이는 패턴
CHAPTER 09 AI 애플리케이션 배포
CHAPTER 10 테스트: 평가, 모니터링, 개선
CHAPTER 11 LLM 애플리케이션 개발


목차를 보면 보이겠지만 LLM 전반적인 내용들을 담고 있다.

최근에 내가 만든 것은 랭체인 기반으로 한 Agent 였는데, 해당 도서는 랭그래프도 같이 알려주는 것이 인상적이었다.

사실 프로젝트 시작할 때 랭체인을 할 것이냐 랭그래프로 할 것인지에 대해 많은 논의가 있었는데 

조금은 진입장벽이 낮은 랭체인을 선택할 수 밖에 없었다.

이유는 처음으로 Agent를 만들어보는 것이기도 하고 내가 이전에 테스트해본 것이 langchain이기도 해서 선택하였다.

그리고 다른 곳에서도 나와있긴 하지만 에이전트 아키텍처를 상세하게 다뤄주는 부분이 프로젝트 시작전에 보았으면 좋았을 부분 같았다.

사실 나는 직접 아키텍처를 구성할 때 흐름과 답변의 정확성을 기준으로 작성을 하였다.

조금 더 얹어서 말하면 function calling 기능과 ReAct 기능을 같이 구현한 Agent를 구성했는데 ReAct 중간에 새로 OpenAI 호출을 중복해서 하다 보니

세션(?) 충돌이 일어나 에러를 뱉는 상황을 마주하였다.

하지만 해당 도서의 아키텍처를 보면 알겠지만 이러한 오류는 없게 할 수 있는 아키텍처를 구성해주고 있다.

꼭 Agent 구성하기 전에 필수로 해당 아키텍처는 봤으면 좋겠다.

추가로 CHAPTER 10 테스트을 보면 평가하는 항목이 있는 RAG 파이프라인 중간에 넣거나 곳곳에 품질을 올리기 위한 검증을 하는 단계들이 존재하는데

LLM에게 해당 결과가 내가 원한 결과에 부합하는지 질의해서 결과를 받아 검증을 처리하는 식으로 풀어내고 있고,

내가 했던 프로젝트도 동일하게 풀어내서 좋은 성능을 거둘 수 있었다.

해당 도서는 LLM 애서 대표적인 RAG를 처음 도입하는 분들에게 적합한 도서일 것으로 판단되며 추천한다!!