한 줄 정의
LangGraph는 에이전트 작업 단계를 노드와 엣지로 나눠서 설계하게 해 주는 프레임워크야. 핵심은 답 한 번 뽑는 체인이 아니라, 중간 상태를 기억하고 다음 단계로 넘기는 실행 흐름을 직접 다루는 데 있어.
어떻게 작동하나
개발자는 그래프 안에 작업 노드와 상태 객체를 정의하고, 어떤 조건에서 어디로 넘어갈지 연결해 둬. 그러면 실행 중에 상태 저장, 재시도, 사람 확인, 스트리밍 같은 운영 기능을 그래프 흐름 안에서 묶어 볼 수 있어.
왜 중요한가
AI 에이전트가 실무로 갈수록 한 번의 프롬프트보다 실패 복구와 상태 관리가 더 중요해져. LangGraph는 그 운영 문제를 다루는 낮은 레벨의 틀이라서, 장난감 데모를 넘는 에이전트 설계에서 자주 거론돼.
주의해서 볼 점
LangGraph는 높은 수준의 자동 마법보다는 제어권을 주는 도구라서, 직접 설계할 게 많아. 그래서 작은 작업에는 무겁게 느껴질 수 있고, 상태 모델링을 대충 잡으면 오히려 복잡도만 늘어날 수 있어.
관련 용어
- LangChain을 같이 보면 높은 수준 추상화와 낮은 수준 오케스트레이션이 어디서 갈리는지 더 또렷하게 보여.
- Agentic AI는 넓은 개념이고, LangGraph는 그 개념을 실제 워크플로 구조로 구현하는 도구 쪽이야.
- CrewAI를 같이 보면 멀티에이전트 추상화와 상태 그래프 중심 설계가 어떤 차이를 내는지 비교해 볼 수 있어.
- Agent를 같이 보면 ‘에이전트’라는 넓은 말 안에서 LangGraph가 맡는 역할이 어디쯤인지 감이 잡혀.