ai-orchestration
CHAPTER 9 / 59
읽기 약 2분
FUNCTION
LangChain 입문
핵심 개념
LangChain 1.0으로 LLM·도구·메모리·체인을 빠르게 조립하고, 복잡한 상태·분기·재시도가 필요하면 LangGraph로 확장합니다. RAG와 에이전트 구현의 출발점입니다.
코드 분석
LangChain 1.0 + LangGraph핵심 개념:Chain ← LCEL: prompt | llm | parserTool ← @tool 또는 MCPMemory ← 체크포인터로 영속Agent ← create_react_agent간단한 Chain:chain = prompt | llm | parserresult = chain.invoke({input})RAG 파이프라인:load → split → embed→ vector store → retrieve→ context + LLM → answer상태머신 (LangGraph):StateGraph(MyState) .add_node('plan', plan_fn) .add_node('act', act_fn) .add_edge('plan', 'act') .compile()실습 과제:내 Notion 문서를 학습한 챗봇 만들기AI 프롬프트
🤖 AI에게 잘 물어보는 법 — 모델·전략별 프롬프트
무료 모델
Gemini 2.5 Flash(무료) + Claude Sonnet 4.6(무료) + Grok 4.1(무료)
'LangChain 입문'을 무료로 실습하고 싶어. Google AI Studio + LangChain JS(무료) + 로컬 FAISS 벡터 DB로 내 마크다운 문서 10개를 학습한 RAG 챗봇을 0원 안에 만드는 단계별 가이드를 짜줘.
소자본 모델
Claude Sonnet 4.6 + LangChain + Pinecone — 월 10~30만원
'LangChain 입문'을 월 20만원 예산으로 실서비스에 붙이고 싶어. Claude Sonnet 4.6 + LangChain 1.0 LCEL + Pinecone(벡터 DB) + Supabase(메타데이터)로 Notion 워크스페이스 RAG 챗봇 1개를 Next.js 16에 배포하는 가이드 + 비용 분배를 짜줘.
프로덕션 모델
Claude Opus 4.7 + LangGraph + LangSmith + Pinecone — 월 100만원+
'LangChain 입문'을 production 멀티에이전트로 확장해줘. LangGraph(상태머신) + Claude Opus 4.7 + LangSmith(트레이싱) + Pinecone(대규모 벡터)로 검색 → 계획 → 실행 → 검증 4단계 에이전트 시스템을 월 100만원+ 예산으로 설계해줘.
스택 프롬프트
0원 → $200/mo → $1000/mo 단계별
'LangChain 입문' 3단계 스택 비교: Level 1($0, AI Studio + LangChain JS + FAISS) → Level 2($200/mo, Sonnet 4.6 + Pinecone + Supabase) → Level 3($1000/mo, LangGraph + Opus 4.7 + LangSmith). 각 레벨에서 만들 수 있는 RAG/에이전트와 한계를 포함.
⭐ 이것만 기억하세요
LangChain 입문은 이 3가지만 확실히 잡으세요
1.체인·도구·메모리·에이전트를 처음부터 직접 만들면 보일러플레이트가 많고 디버깅이 어렵습니다
2.LangChain 1.0은 빠른 체인 조립을 제공하고, 분기·루프·체크포인트가 필요한 production 에이전트는 LangGraph로 확장합니다
3.다음 챕터에서 OpenAI API를 코드로 직접 연동하는 실습으로 넘어갑니다
공유하기
진행도 9 / 59