Building LangGraph란? What is LangGraph?
LangGraph는 LangChain 라이브러리를 확장하여, "상태를 가지는(stateful) 멀티-에이전트 애플리케이션"을 만들 수 있도록 돕는 도구입니다. 기존의 LangChain Expression Language (LCEL)이 DAG(방향성 비순환 그래프) 구조만 지원했던 한계를 넘어, "순환(cycle)을 포함한 복잡한 그래프"를 만들 수 있게 해줍니다. LangGraph is a tool that extends the LangChain library to help create **stateful, multi-agent applications**. It overcomes the limitations of the existing LangChain Expression Language (LCEL), which only supported DAG (Directed Acyclic Graph) structures, by enabling the creation of **complex graphs that include cycles**.
상태 (State) State
그래프의 모든 노드가 공유하는 중앙 데이터 저장소. 작업의 '중심 재료'입니다. A central data store shared by all nodes in the graph. It's the 'core material' of the task.
노드 (Node) Node
그래프의 각 작업 단위. '계란 풀기'와 같은 개별적인 함수나 LCEL 체인입니다. Each unit of work in the graph. It can be a single function or an LCEL chain, like 'beating an egg'.
엣지 (Edge) Edge
노드 간의 실행 흐름을 결정하는 규칙. 조건부로 다음 노드를 선택할 수 있습니다. Rules that determine the flow of execution between nodes. Can conditionally select the next node.
이 구조 덕분에 '피드백을 기다렸다가 다시 실행'하거나, '결과가 만족스러울 때까지 특정 단계를 반복'하는 등 훨씬 더 동적이고 지능적인 에이전트를 구축할 수 있습니다. Thanks to this structure, it's possible to build much more dynamic and intelligent agents, such as waiting for human feedback before re-executing, or repeating a specific step until the result is satisfactory.
LangSmith vs Langfuse
LLM 애플리케이션의 실행 과정을 추적하고 분석하는 두 가지 강력한 관찰(Observability) 도구 Two powerful observability tools for tracing and analyzing the execution of LLM applications
LangSmith
LangChain 공식 Official by LangChainLangChain 프레임워크와 가장 긴밀하게 통합된 **공식 관찰 플랫폼**입니다. LangChain 사용자를 위해 설계되어 최소한의 설정으로 즉시 실행 추적, 디버깅, 평가가 가능합니다. The **official observability platform** most tightly integrated with the LangChain framework. Designed for LangChain users, it enables immediate execution tracing, debugging, and evaluation with minimal setup.
- 강점:Strengths: LangChain과의 완벽한 통합, 쉬운 설정, 강력한 디버깅 기능. Seamless integration with LangChain, easy setup, powerful debugging features.
- 특징:Features: 관리형 서비스(SaaS), 프롬프트 허브, 테스트 데이터셋 관리. Managed service (SaaS), Prompt Hub, test dataset management.
- 적합 대상:Best for: LangChain을 주력으로 사용하며 빠르고 쉬운 관찰 환경을 원하는 개발자. Developers who primarily use LangChain and want a fast and easy observability environment.
Langfuse
오픈소스 Open-Source**오픈소스 기반의 LLM 엔지니어링 플랫폼**으로, 특정 프레임워크에 종속되지 않습니다. 추적뿐만 아니라 상세한 분석, 비용 관리, 품질 평가 등 더 넓은 범위의 기능을 제공합니다. An **open-source LLM engineering platform** that is not tied to a specific framework. It provides not only tracing but also a broader range of features like detailed analysis, cost management, and quality evaluation.
- 강점:Strengths: 오픈소스(직접 호스팅 가능), 프레임워크 독립성, 상세한 비용 및 성능 분석. Open-source (self-hostable), framework independence, detailed cost and performance analysis.
- 특징:Features: 직접 설치 또는 클라우드 버전 사용 가능, 사용자 피드백 수집, 정교한 대시보드. Self-hosting or cloud version available, user feedback collection, sophisticated dashboards.
- 적합 대상:Best for: 여러 프레임워크를 사용하거나, 데이터 소유권이 중요하며, 심층적인 분석 및 비용 관리가 필요한 팀. Teams using multiple frameworks, for whom data ownership is important, and who need in-depth analysis and cost management.
| 구분Category | LangSmith | Langfuse |
|---|---|---|
| 핵심 목표Core Goal | LangChain 앱의 디버깅 및 추적Debugging and tracing of LangChain apps | LLM 앱의 종합적인 관찰 및 분석Comprehensive observation and analysis of LLM apps |
| 라이선스License | 상용 (클로즈드 소스)Commercial (Closed-source) | 오픈소스 (MIT License)Open-source (MIT License) |
| 호스팅Hosting | 관리형 SaaSManaged SaaS | 자체 호스팅(Self-hosting) 또는 관리형 클라우드Self-hosting or Managed Cloud |
| 프레임워크 통합Framework Integration | LangChain에 최적화Optimized for LangChain | 독립적 (Python, JS/TS SDK 제공)Independent (Python, JS/TS SDKs provided) |
| 주요 기능Key Features | 실시간 추적, 프롬프트 디버깅, 테스트셋 평가, 프롬프트 허브Real-time tracing, prompt debugging, test set evaluation, Prompt Hub | 추적, 비용/성능 분석, 사용자 피드백, 데이터셋 관리, 정교한 필터링Tracing, cost/performance analysis, user feedback, dataset management, advanced filtering |
| 설정 난이도Setup Difficulty | 매우 쉬움 (LangChain 사용자 기준)Very Easy (for LangChain users) | 쉬움 (데코레이터/콜백 핸들러 사용)Easy (using decorators/callback handlers) |
결론: 어떤 도구를 선택해야 할까? Conclusion: Which Tool Should You Choose?
세 도구는 서로 경쟁하는 관계가 아니라, LLM 애플리케이션 개발의 각기 다른 단계를 책임지는 상호 보완적인 관계입니다. The three tools are not in competition with each other, but rather have a complementary relationship, each responsible for different stages of LLM application development.
LangGraph
복잡하고 동적인 에이전트를 **구축(Build)**할 때 사용하세요. Use it to **Build** complex and dynamic agents.
LangSmith
LangChain으로 만든 앱을 빠르고 쉽게 **추적하고 디버깅(Trace & Debug)**할 때 선택하세요. Choose it to quickly and easily **Trace & Debug** apps built with LangChain.
Langfuse
앱의 성능, 비용, 품질을 심층적으로 **분석하고 관리(Analyze & Manage)**하고 싶을 때 최고의 선택입니다. The best choice when you want to deeply **Analyze & Manage** your app's performance, cost, and quality.