AI
Langchain과 Langgraph의 Agent구현의 차이점.
두줄요약
Langchain과 Langgraph의 create_react_agent 차이를 프롬프트 처리와 Tool Call 방식 중심으로 비교했습니다. 상용 LLM과 MCP 환경에는 Langgraph가 유리하고, Private LLM에는 Langchain을 고려할 수 있음을 정리했습니다.
핵심 내용
- Langchain과 Langgraph의
create_react_agent구현 차이 비교 - Langchain은 프롬프트 기반으로 도구 사용을 유도하며 모든 모델에서 활용 가능하지만, Production 적합성은 낮다는 점
- Langgraph는 LLM 서비스의 Tool Call API를 활용해 더 효율적으로 동작하고 MCP 대응에 유리하다는 점
- Private LLM 환경에서는 Langgraph의 Tool Call 제약 가능성
선택 이유
- Langchain은 모델이 Tool Call을 직접 지원하지 않아도 에이전트 구현 가능
- Langgraph는 상용 LLM과 최신 기술 흐름에 맞는 구조
장단점
- Langchain: 범용성 높음, 프롬프트 설계 의존도 큼
- Langgraph: 효율성과 확장성 높음, 그러나 환경 제약 존재
적용해볼 점
- 상용 LLM 또는 MCP 연동이 필요하면 Langgraph 우선 검토
- Private LLM 중심이면 Langchain 방식 고려