2. LangGraph, LangChain의 구분

Lang Chain

LLM을 활용한 어플을 쉽게 개발할 수 있도록 다양한 기능을 제공하는 프레임워크

이것으로 챗봇, 문서기반 질의응답, 에이전트 시스템등 AI서비스를 효율적으로 구축할 수 있도록 도움

• 프롬프트 관리(LLM에 던지는 쿼리)
• 문서검색(Retrieval)
• 벡터 데이터베이스 연동
• 체인(Chain)구조를 통한 여러 작업의 연결
• 외부 도구 사용을 하나의 흐름으로 구성

LangGraph

LangChain 생태계에서 에이전트나 RAG 시스템을 단계 별로 구성하고 실행할 수 있게 해주는 그래프 기반 오케스트레이션 프레임워크

• 오케스트레이션: 여러 에이전트, 도구, 모듈을 어떻게 연결해서 언제 무엇을 호출할지를 정의하고 실행 (어원-오케스트라)
• 기존 RAG, 랭체인은 앞단계의 출력이 뒷단계의 입력으로 일방향으로 돌아가는 직선형 프레임워크임.
• 랭그래프는 노드(작업단위)와 엣지(흐름)을 그래프로 정의해 분기, 반복, 조건 처리, 에이전트 루프 등 복잡한 흐름을 명확히 표현하고 실행
• 검색 → 답변생성 → 자기평가 → 재검색이 등의 Agentic RAG 워크플로우를 안정적으로 설계 관리 가능 + 디버깅, 모니터링 수월

  구분	LangChain	LangGraph
  정의	LLM기반 어플리케이션을 빠르게 만들 수 있는 범용 프레임워크	LangChain위에서 노드-엣지 기반 그래프 오케스트레이션을 제공하는 실행 엔진
  구조	체인(Chain)과 에이전트(Agent)개념 중심, 직선형 단순한 흐름 구성	그래프 기반, 분기-조건-반복 루프 표현 가능
  장점	• 에코시스템이 크고, 문서/예제가 풍부하다 • 빠른 프로토 타이핑 • 다양한 툴-DB-API 연결을 지원한다.	• 복잡한 워크플로우(조건 분기, 반복, 에이전트 루프) 안정적 구현 • 상태(state)관리와 디버깅 용이 • Agentic RAG같은 고급 구조에 적합
  단점	• 복잡한 흐름(멀티 에이전트, 반복 루프) 구현 시 한계 • 디버깅과 상태 추적이 어렵다.	• 상대적으로 최신이라 자료/커뮤니티가 적다. • LangChain 의존성으로 단독 사용이 불가하다.
  활용	• 간단한 챗봇, FAQ, 단일 RAG시스템 • 빠른 실험-데모	• Agentic RAG, 멀티에이전트 협업, 장기 작업 관리 • 프로덕션 환경에서 안정적인 실행 요구

  • 에코 시스템이 크다: 예전부터 써서 예제와 문서, 모듈등이 많다.
  그래프(알고리즘의 그래프 구조가 맞음)

객체(노드, vertex)와 그 객체들을 잇는 관계(간선, edge)로 표현되는 데이터 구조

노드

• LangGraph 워크플로우 안에서 실행되는 개별 작업 단위
• 질문 임베딩하기 > 벡터 DB관련 문서 검색 > LLM으로 답변 생성하기 등 한블록 한블록

엣지

• 노드와 노드를 연결하는 흐름 (다음 노드의 위치)

상태

• 워크플로우 실행 중 유지되고 공유되는 데이터 저장소
• 사용자 질문, 검색 결과, 현재까지의 답변 초안 등

조건분기

특정 상황에 따라 워크플로우의 진행 경로를 바꾸는 기능

👉 이렇게 네 가지 구성요소(노드, 엣지, 상태, 조건 분기·루프)가 맞물려 LangGraph는 단순한 RAG부터 복잡한 Agentic RAG까지 유연하게 표현할 수 있는 강력한 워크플로우 프레임워크가 된다.