테디노트의 LangGraph 에이전트 비법노트

★ 단일 챗봇에서 '일하는 에이전트'로! LangGraph가 여는 새로운 설계 방식
LLM을 한 번 호출하고 끝내는 챗봇과 스스로 판단하고 도구를 선택하며 작업을 끝까지 수행하는 에이전트 사이에는 넘어야 할 설계의 벽이 있다. 이 책은 LangGraph를 활용해 에이전트 워크플로를 그래프로 모델링하는 방법을 다룬다. 상태(State), 노드(Node), 에지(Edge)로 실행 흐름을 구성하고, 조건부 분기와 루프를 활용해 동적으로 동작하는 에이전트를 직접 설계하며, 막연했던 '에이전트'라는 개념을 실행 가능한 설계도로 바꾸는 과정을 안내한다.

★ 공식 문서만으로는 부족했던 그 한 끗! 현장 개발자 6인의 실전 노하우
테디노트를 포함해 BrainCrew에서 LangGraph 기반 에이전트를 실제 엔터프라이즈 서비스에 적용하고 있는 AI Engineer 6명이 공동 집필했다. 공식 문서의 예제를 넘어, 프로덕션 환경에서 마주치는 문제와 그 해법을 담았다. 미들웨어로 실행 흐름을 제어하고, 가드레일로 입출력을 검증하며, 컨텍스트 엔지니어링으로 LLM에 전달되는 정보를 최적화하는 등 현장에서 검증된 패턴을 예제 하나하나에 녹여 전달한다.

★ 에이전트 하나로 부족하다면? 감독자, 협업, 계층 구조까지 3가지 멀티에이전트 아키텍처
하나의 에이전트에 모든 도구와 역할을 맡기면 판단이 흐려지고 컨텍스트가 과도하게 커진다. 이 책은 감독자가 전문 에이전트에게 작업을 위임하는 패턴, 에이전트들이 대등하게 결과를 주고받는 협업 네트워크, 팀 단위의 계층적 구조까지 세 가지 멀티에이전트 설계를 단계적으로 구현한다. 고객 지원 시스템 같은 실전 응용 사례를 통해 언제 어떤 구조를 선택해야 하는지 판단하는 감각도 함께 기른다.

★ 테디노트의 비법노트 시리즈 완결편! 기본편·심화편을 넘어 에이전트 개발자로
1권 〈기본편〉에서 8단계 RAG 파이프라인을, 2권 〈심화편〉에서 고급 RAG와 에이전트를 다뤘다면, 이 3권은 LangGraph 기반으로 실제 서비스에서 동작하는 에이전트를 설계하고 구축하는 완결편이다. 메모리와 MCP로 외부 서비스와 연동하고, Human-in-the-Loop로 사람의 판단을 개입시키며, 서브그래프로 기능을 모듈화하고, Agent Chat UI로 실시간 웹 인터페이스까지 구축하는 전체 과정을 한 권에 담았다.

★ 이 책으로 완벽하게 얻을 수 있는 것! 새로운 도구가 등장해도 흔들리지 않는 설계 원리
특정 라이브러리의 사용법을 외우는 데 그치지 않는다. 상태를 어떻게 관리할지, 흐름을 어떻게 나눌지, 사람과 도구를 언제 끌어들일지 같은 본질적인 질문을 붙잡는다. 이 책을 끝까지 따라오면 단순히 예제 몇 개를 돌려 본 경험이 아니라 에이전트를 스스로 설계하는 안목과 현업에서 곧바로 쓸 수 있는 실전 감각이 손에 남는다.

▶ 이 책이 필요한 독자
- LangGraph를 활용해 에이전트 워크플로를 직접 설계하고 구현하려는 개발자
- 단순한 챗봇을 넘어 도구 사용, 메모리, 가드레일을 갖춘 프로덕션 수준의 에이전트를 구축하려는 실무자
- 멀티에이전트 시스템의 설계 패턴(감독자, 협업 네트워크, 계층적 팀)을 이해하고 적용하려는 엔지니어
- 1권 〈기본편〉, 2권 〈심화편〉을 학습한 뒤 에이전트 개발로 확장하려는 독자
- LLM 기반 AI 에이전트의 구조와 동작 원리를 체계적으로 이해하고 싶은 입문자
- 사내 업무 자동화, 고객 지원, 데이터 분석 등에 에이전트를 적용하려는 기업 담당자

▶ 이 책에서 다루는 내용
PART 01 LangGraph 기초
LangGraph의 핵심 구성 요소인 StateGraph, 상태, 노드, 에지를 학습하고, 리듀서로 상태 업데이트 방식을 제어하며, Send를 활용한 병렬 처리와 Command를 활용한 동적 라우팅까지 실습한다.

PART 02 에이전트
에이전트의 기본 구조인 모델과 프롬프트 설정부터 런타임에서 컨텍스트와 인증 정보를 다루는 방법, 구조화된 출력으로 LLM 응답을 안정적으로 받는 방법, Human-in-the-Loop로 고위험 작업에 사람의 판단을 개입시키는 패턴까지 다룬다.

PART 03 에이전트 확장
미들웨어로 에이전트 실행 흐름을 제어하고, 컨텍스트 엔지니어링으로 LLM에 전달되는 정보를 최적화하며, 가드레일로 안전한 응답을 보장한다. 이어서 메모리를 추가하여 대화를 기억하는 에이전트를 구축하고, MCP를 통해 외부 서비스와 연동하는 방법까지 실습한다.

PART 04 멀티에이전트
감독자가 전문 에이전트에게 작업을 위임하는 패턴, 에이전트들이 대등하게 결과를 주고받는 협업 네트워크, 팀 단위의 계층적 구조를 구현한다. 고객 지원 시스템 같은 실전 응용 사례도 다룬다.

PART 05 핵심 기능 구현하기
도구 호출과 상태 수동 업데이트, 서브그래프를 활용한 모듈화, 다양한 스트리밍 모드, 병렬 노드 실행을 직접 구현한다. 마지막으로 Agent Chat UI를 구축하여 에이전트를 실시간 웹 인터페이스에서 검증하는 방법을 다룬다.

PART 01 LangGraph

CHAPTER 01 그래프 생성하기
01 StateGraph
02 상태
03 노드
04 에지
05 Send
06 Command
07 재귀 제한


PART 02 에이전트

CHAPTER 02 에이전트의 기본 구조
01 모델
02 프롬프트

CHAPTER 03 런타임
01 도구에서 런타임 접근하기
02 미들웨어에서 런타임 접근하기
03 사용자 컨텍스트 기반 에이전트 만들기
04 런타임 실전 패턴

CHAPTER 04 구조화된 출력
01 ProviderStrategy
02 ToolStrategy
03 오류 처리
04 종합 예제

CHAPTER 05 Human-in-the-Loop
01 기본 예제
02 결정 타입
03 데이터베이스 관리 에이전트 구현하기
04 다중 작업 승인하기
05 HITL 실행 라이프사이클
06 조건부 승인 정책 적용하기
07 HITL 모범 사례


PART 03 에이전트 확장

CHAPTER 06 미들웨어
01 미들웨어 기본 예제
02 내장 미들웨어
03 커스텀 미들웨어
04 미들웨어의 실행 순서

CHAPTER 07 컨텍스트 엔지니어링
01 컨텍스트의 종류
02 데이터 소스
03 모델 컨텍스트
04 도구 컨텍스트
05 라이프사이클 컨텍스트
06 다층 컨텍스트 엔지니어링

CHAPTER 08 가드레일
01 가드레일의 두 가지 접근 방식
02 내장 가드레일
03 Human-in-the-Loop
04 커스텀 가드레일
05 여러 가드레일 결합하기
06 종합 예제: 보안 고객 서비스 에이전트
07 가드레일 설계 모범 사례

CHAPTER 09 LangGraph 메모리 추가하기
01 MemorySaver 체크포인터
02 메모리가 있는 챗봇 구축하기
03 멀티턴 대화 테스트
04 도구와 메모리 결합하기
05 단기 메모리 관리하기
06 메시지 트리밍
07 RemoveMessage를 사용한 메시지 삭제하기
08 대화 요약을 통한 컨텍스트 압축하기
09 프로덕션 환경에서 영구 저장소 사용하기

CHAPTER 10 LangGraph MCP 실습
01 패키지 설치하기
02 기본 MCP 서버 생성하기
03 MultiServerMCPClient 설정하기
04 에이전트와 MCP 통합하기
05 ToolNode와 MCP 통합하기
06 외부 MCP 서버에서 서드파티 도구 사용하기


PART 04 멀티 에이전트

CHAPTER 11 멀티 에이전트 감독자
01 멀티 에이전트의 패턴과 전체 구조
02 도우미 함수 정의하기
03 전문 워커 에이전트 생성하기
04 감독자 패턴
05 커스텀 감독자 직접 구현하기
06 고급 작업 위임하기
07 고급 패턴: 계층적 에이전트
08 실전 응용: 고객 지원 시스템

CHAPTER 12 멀티 에이전트 협업 네트워크
01 모델 설정하기
02 도구 정의하기
03 에이전트 생성하기
04 그래프 생성하기
05 그래프 실행하기

CHAPTER 13 계층적 에이전트 팀
01 도구 생성하기
02 유틸리티 함수 정의하기
03 에이전트 팀 정의하기
04 Super-Graph 생성하기


PART 05 핵심 기능 구현하기

CHAPTER 14 LangGraph를 활용하여 에이전트 구축하기
01 도구 사용하기
02 BasicToolNode 구현하기
03 조건부 에지로 그래프 구성하기
04 그래프 실행하기
05 도구 호출 후 메시지 구조

CHAPTER 15 중간 단계의 상태 수동 업데이트하기
01 에이전트 그래프 정의하기
02 질문 입력 및 인터럽트 설정하기
03 현재 상태 분석하기
04 사람의 개입으로 검색 결과 수정하기
05 인터럽트 후 검색 쿼리 수정 및 이어서 진행하기
06 검색 쿼리 수정하기
07 지난 스냅샷의 결과 수정 및 리플레이하기

CHAPTER 16 HumanRequest 패턴: 사람에게 위임하는 그래프
01 HumanRequest 패턴의 구조
02 Human 노드 설정하기
03 그래프 실행 및 인터럽트 테스트하기
04 수동 상태 업데이트 및 그래프 재개하기

CHAPTER 17 ToolNode를 사용하여 도구 호출하기
01 도구 정의하기
02 ToolNode 수동 호출하기
03 LLM과 함께 사용하기
04 에이전트 그래프와 함께 사용하기
05 도구 오류 처리하기
06 도구에서 그래프 상태 접근하기

CHAPTER 18 병렬 노드 실행을 위한 분기 생성하기
01 병렬 노드 팬아웃 및 팬인
02 다단계 경로의 팬아웃 및 팬인
03 노드 실행 지연하기
04 조건부 분기
05 팬아웃 값의 신뢰도에 따라 정렬하기

CHAPTER 19 서브그래프 추가 및 사용하기
01 스키마 키를 공유하는 경우
02 스키마 키를 공유하지 않는 경우

CHAPTER 20 서브그래프의 입력과 출력을 변환하는 방법
01 그래프 정의하기
02 손자 그래프 정의하기
03 자식 그래프 정의하기
04 부모 그래프 정의하기

CHAPTER 21 LangGraph 스트리밍 모드
01 에이전트 그래프 정의하기
02 노드 단계별로 출력하기
03 특정 노드에 대한 출력 스트리밍
04 사용자 정의 태그 필터링 스트리밍
05 도구 호출에 대한 스트리밍 출력하기
06 서브그래프 스트리밍 출력하기

CHAPTER 22 Agent Chat UI
01 langgraph.json 설정 파일
02 agent.py 에이전트 정의하기
03 에이전트 로컬 테스트하기
04 LangGraph 개발 서버 실행하기
05 Agent Chat UI 설치 및 실행하기
06 연결 설정하기
07 주요 기능 소개
08 테스트 시나리오

이경록 이경록(테디노트) ? CEO, BrainCrew
삼성전자 무선사업부에서 소프트웨어 엔지니어로 출발했다. 2018년 AI 교육·개발 스타트업 브레인크루를 창업하며 현장 개발에 뛰어들었고, 데이터 분석·머신러닝·딥러닝을 공부한 토대 위에서 생성형 AI 시대를 맞아 기술과 삶을 잇는 실전 개발을 끊임없이 이어 가고 있다. 특히 2023년부터는 LLM·RAG 애플리케이션을 제작하며 〈랭체인 한국어 튜토리얼〉을 공개해 LangChain·LangGraph 생태계를 국내에 확산시켰고, 그 공로로 2025년부터 LangChain 글로벌 앰배서더로 활동하고 있다. 지금은 브레인크루 CEO로서 기업 도입 AI 솔루션 개발, AI 교육, 에이전트 빌더 플랫폼을 이끌며, 기업과 대학을 오가며 강연과 컨설팅을 통해 더 많은 학습자와 조직이 AI를 손에 쥘 수 있도록 돕고 있다. HS애드(HSAD) AI 기술자문, 신한은행 AX·Web3 Academy 기술파트너로도 함께하고 있다.

개발을 사랑하고 사람들과 소통하는 것을 즐기는 천직 개발자다. 또한 지식 공유의 즐거움을 원동력 삼아 LLM 애플리케이션의 최전선에서 '쉬운 기술 설명'을 전파하는 데 누구보다 진심이다. 이 마음으로 지식 공유 플랫폼 '테디노트' 블로그와 유튜브 채널(구독자 5.2만 명)을 운영하고 있다.

주요 이력
(현) LangChain 글로벌 앰배서더 (2025~현재)
(현) 브레인크루 CEO ? 기업 도입 AI 솔루션 개발 / AI 교육 / 에이전트 빌더 플랫폼
HS애드(HSAD) AI 기술자문
신한은행 AX·Web3 Academy 기술파트너
前 삼성전자 무선사업부 소프트웨어 엔지니어

채널 및 링크
브레인크루: https://brain-crew.com
YouTube 테디노트: https://www.youtube.com/c/teddynote
최신 자료 공유 공간: https://linktr.ee/teddynote