반응형
예를 들어, “사용자의 질문에 답하기 위해 외부 지식 검색 → 답변 제공”이라는 단순한 시나리오를 langgraph로 구현한다고 가정해봅시다.
1. 입력 노드: 사용자의 질문 접수
2. LLM Node(분석): 질문을 LLM에 전달하여 질의 의도를 파악하고, 필요한 정보 타입을 결정
3. Tool Node(검색): LLM 결과를 바탕으로 외부 검색 API 호출, 관련 문서 또는 데이터 추출
4. LLM Node(응답 생성): 검색 결과와 질문을 종합하여 최종 답변 생성
5. 출력 노드: 사용자에게 답변 반환
이렇게 노드를 선형으로 구성하거나, 사용자의 추가 요청에 따라 반복 호출(루프)하거나, 결과에 따라 경로를 바꾸는 분기(조건문)도 넣을 수 있습니다. langgraph는 이러한 복잡한 흐름을 시각적/구조적으로 정의해 관리하기 쉽게 합니다.
반응형
'에이전트' 카테고리의 다른 글
Langgraph 아키텍처 구성 요소 (0) | 2025.04.24 |
---|---|
LLM 기반 AI 에이전트 구축 방법 (1) | 2025.04.21 |
AI 에이전트(특히 소프트웨어 에이전트)에서의 액추에이터와 tool의 차이 (0) | 2025.04.17 |
AI 에이전트와 로봇의 액츄에이터 (0) | 2025.04.14 |
인간의 몸과 ai agent의 tool, actuator를 비교 (0) | 2025.04.11 |