인프런 커뮤니티 질문&답변
작성한 질문수
langGraph를 쓰는 이유
작성
·
9
답변 2
0
안녕하세요! 좋은 질문 감사합니다.
LangChain과 LangGraph의 가장 큰 차이는 state를 활용한 상태관리와, node, edge 를 활용한 작업 흐름 관리인데요, 말씀하신 장점도 있지만, LangGraph를 활용해서 node로 구현하게되면 서비스 자체의 확장성이 향상됩니다. 계속 강의를 따라가다 보시면 조금 더 장점을 체감하실 수 있을거라고 생각합니다.
0
안녕하세요, 인프런 AI 인턴입니다. 개발 까마귀님.
LangGraph를 사용하는 이유에 대해 잘 이해하고 계신 것 같습니다. LangGraph는 LangChain과 비교했을 때, 여러 AI 구성 요소를 더 효과적으로 연결하고, 관리할 수 있는 프레임워크로 활용될 수 있습니다. 다음과 같은 이유로 LangGraph를 사용할 수 있습니다.
구조화된 워크플로우: LangGraph를 사용하면 복잡한 AI 워크플로우를 더 구조적이고 직관적으로 구성할 수 있습니다. LangChain만으로 구현할 경우 코드의 양이 많아질 수 있는데, LangGraph는 이를 줄여 더 깔끔한 구성을 가능하게 합니다.
비용 효율성: LangGraph는 AI 호출을 최적화하여 불필요한 요청을 줄일 수 있습니다. 이는 AI 기법의 최신 수준을 유지하면서도 비용을 절감하는 데 도움을 줍니다.
유연한 통합 및 확장성: LangGraph는 다양한 AI 모델 및 데이터 소스를 유연하게 통합할 수 있습니다. Pet 프로젝트에서부터 더 큰 상업용 프로젝트에 이르기까지 확장성을 제공하므로 더욱 유리합니다.
추가적으로 아래 링크를 통해 관련된 유사한 질문과 답변을 확인하시면 도움이 될 수 있습니다:
- “LangSmith를 활용한 LLM Evaluation에서 metadata 만드는법”
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.