LLM Agent란 무엇이고, 언제 필요한가? RAG와 비교하고 직접 구현해보기
문서 질문에는 RAG가 충분하고 DB 조회·계산이 필요한 질문에는 Agent가 높은 정확도를 보였습니다. 다만 복합 질문의 오류와 비용 증가를 고려해 권한 통제와 도구 호출 기록 검증이 필요합니다.

LangGraph 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
최근 30일 4개 · 많이 쓴 회사 AWS·데보션·비브로스
20개 표시
문서 질문에는 RAG가 충분하고 DB 조회·계산이 필요한 질문에는 Agent가 높은 정확도를 보였습니다. 다만 복합 질문의 오류와 비용 증가를 고려해 권한 통제와 도구 호출 기록 검증이 필요합니다.

LangGraph와 Gemini로 회의 유형 분류·요약·HWP 저장을 연결한 회의록 에이전트를 구축했습니다. 신뢰도 분기, 입력 점검, 로그, 사람 검토로 도구 호출의 신뢰성을 높였습니다.

LangGraph 워크플로우를 AgentCore Runtime으로 이관하며 세션 격리와 분리 배포를 확보했습니다. 부하 테스트와 관측 기반 최적화로 TTFT를 줄이고 콜드 스타트·커넥션 운영 방식을 조정했습니다.

AgentCore 기반 Agentic 클레어 PoC에서 복합 질의 처리와 평가 주도 개선 루프를 검증했습니다. 구조화 라우팅과 MCP 도구 연결로 품질을 유지하며 응답 시간을 약 60% 단축했습니다.

QUBA는 Jira 버그 티켓을 분석해 근거 기반 원인·수정 범위 리포트를 만드는 AI Agent를 설계했습니다. RAG 품질과 승인 절차를 강화해 조사 시간을 줄이고 비용 효과를 측정했습니다.
Slack 대화만으로 CDC 파이프라인 온보딩을 처리하는 AI Agent 사례를 소개했습니다. LangChain/LangGraph와 MCP를 연결해 반복 절차를 자동화한 구성입니다.
ZEP의 교육용 퀴즈 생성 아키텍처를 LangGraph와 Amazon Bedrock AgentCore Runtime 중심으로 설명했습니다. 하나의 그래프를 실시간 서빙과 배치 생성에 재사용하고 관측 체계까지 분리해 운영하는 방식입니다.

LangGraph 기반 자연어 질의 에이전트를 Bedrock AgentCore로 프로덕션에 배포한 사례를 소개했습니다. Gateway, Memory, Observability, Evaluations, Policy로 운영성과 보안을 보완했습니다.

외부 웹 변경에 취약한 할인 적용 배치를 LangGraph 기반 AI 에이전트로 복구·분석·PR 생성까지 자동화했습니다. LLM은 화면 판단에만 제한하고, 검증·권한·루프·동시성 제어는 코드와 사람 검토로 보완했습니다.

LangGraph와 Amazon Bedrock, OpenSearch를 결합해 빅데이터 클러스터 장애 대응을 자동화했습니다. 병렬 RCA와 반증 검증으로 진단 품질을 높이고 MTTA를 줄였습니다.

현대오토에버가 Amazon Bedrock과 LangGraph로 다중 AI 에이전트를 구성해 장애 대응을 자동화했습니다. 장애 분석부터 보고서 생성까지를 연결해 대응 시간을 수 시간에서 5분으로 줄였습니다.
키다리스튜디오는 Amazon Bedrock과 LangGraph로 QA 테스트 케이스 생성 자동화를 구현했습니다. 수 시간 걸리던 작업을 분 단위로 줄이고, 멀티 에이전트와 Human-in-the-Loop로 품질을 보완했습니다.
티오더가 Slack 기반 Text2SQL 에이전트 티스푼을 AWS와 LangGraph로 구현한 사례를 소개했습니다. 단계적 검색, 이중 승인, SQL 검증으로 안전한 데이터 조회 흐름을 만들었습니다.

건설현장 방역을 위한 해충 판별 AI 챗봇을 Amazon Bedrock과 LangGraph로 구현했습니다. 이미지 분석, RAG 검색, 보고서 자동화까지 연결해 설명 가능한 방역 판단을 만들었습니다.

셀트리온제약이 S&OP 회의 질의 대응을 위해 멀티 에이전트 AI 시스템을 구축했습니다. RAG, Text-to-SQL, 웹 검색을 결합해 평균 1분 이내 응답과 약 90% 정확도를 확보했습니다.

아이지에이웍스가 Amazon Bedrock 기반 클레어로 자연어를 SQL 분석과 차트로 연결했습니다. 마케터가 SQL 없이도 복잡한 데이터 분석을 수행하도록 돕고 의사결정 속도를 높였습니다.

LangGraph로 단일 노드와 멀티 노드 그래프를 구성하는 방법을 설명했습니다. 또한 답변 개선, 요약·번역, 답변 검증 패턴으로 LLM 워크플로우 설계 예시를 제시했습니다.

사내 AI Agent와 MCP 서버를 도입해 Slack, JupyterHub, 개발자 워크플로우를 자동화한 구조와 사례를 공유했습니다. LangGraph 오케스트레이션, 권한 관리, RAG 고도화 방향도 함께 정리했습니다.
RAG 논문 스터디를 바탕으로 개인용 데이터 분석 보조 AI DRA를 구현한 과정을 소개했습니다. Supervisor 패턴의 멀티 에이전트와 LangGraph, LangSmith, Streamlit 활용 경험을 정리했습니다.

사람인 내부 데이터를 활용해 LLM 챗봇을 구축하고, RAG와 Function Calling으로 답변 정확도를 높였습니다. 또한 LangGraph와 멀티테넌시, 모니터링으로 운영성과 확장성을 함께 개선했습니다.
