시리즈 · 총 4편

LangGraph Best Practices

LangGraph 핵심 컴포넌트부터 프로덕션 설계 패턴, 그리고 Deep Agents 하네스까지 — 프로덕션 수준의 AI 에이전트를 만드는 방법

langgraph langchain deepagents ai-agent
  1. 1.

    LangGraph 핵심 컴포넌트 가이드: StateGraph부터 Checkpointer까지

    LLM 애플리케이션의 구조적 문제를 LangChain/LangGraph가 어떻게 해결하는지, 대안 프레임워크와의 비교, 그리고 StateGraph, Node, Edge, State, Reducer, Command, Checkpointer 등 핵심 컴포넌트의 존재 이유와 동작 원리를 정리했다.

  2. 2.

    LangGraph 설계 패턴과 프로덕션 전략: 노드 설계부터 멀티 에이전트까지

    LangGraph 노드 설계 원칙부터 멀티 에이전트 오케스트레이션, 서브그래프 팩토리, 분산 환경 상태 관리까지. 프로덕션 LangGraph 시스템을 구축할 때 필요한 설계 패턴과 의사결정 프레임워크를 정리했다.

  3. 3.

    Deep Agents: Skill 실행 체계가 웹으로 내려온 순간

    LangChain/LangGraph의 연장선에서 등장한 Deep Agents가 무엇인지, 어떻게 발전해 왔는지, 그리고 기술적으로 어떤 특징을 갖는지 정리한다. 핵심은 하나다 — Claude Code가 로컬에서 보여준 Skill 기반 실행 체계가, 이제 웹 애플리케이션 안에서 그대로 재현 가능해졌다는 점이다.

  4. 4.

    왜 LangGraph 도입 후 스파게티가 되었나: 실패에서 배운 구조화

    LangGraph를 도입했는데 코드가 오히려 스파게티가 됐다. 노드 1개짜리 래퍼, 이중 체크포인팅, 3개 Executor에 흩어진 8천여 줄의 중복. 개인 프로젝트에서 직접 겪은 실패의 해부와, 거기서 배운 구조화 원칙을 정리한다.