철학
철학 (Philosophy)
프레임워크를 배우기 전에 그게 왜 태어났는지, 어떤 믿음을 기반으로 설계됐는지를 알면 훨씬 깊이 이해할 수 있어요. LangChain은 몇 가지 핵심 신념으로 움직이는 프레임워크인데, 그 믿음부터 짚어볼게요.
핵심 신념 (Core beliefs)
- 대규모 언어 모델(LLM)은 훌륭하고 강력한 새 기술이에요.
- LLM은 외부 데이터 소스와 결합할 때 훨씬 더 좋아져요.
- LLM은 미래 애플리케이션의 모습을 바꿀 거예요. 구체적으로 미래의 애플리케이션은 점점 더 에이전틱(agentic) 해질 거예요.
- 그 변환은 아직 아주 초기 단계예요.
- 그런 에이전틱 애플리케이션의 프로토타입을 만드는 건 쉽지만, 운영(production)에 올릴 만큼 신뢰할 수 있는 에이전트를 만드는 건 여전히 정말 어려워요.
오늘날 개발자들은 에이전트를 어떻게 만들지 선택할 수 있어요. LangChain은 최대한의 유연성과 제어를, Deep Agents는 비슷한 유연성과 제어에 더해 의견이 반영된(opininionated) 내장 계획, 파일시스템 도구, 서브에이전트, 컨텍스트 관리를 제공해요. 둘 다 LangGraph 위에 구축됩니다.
두 가지 핵심 초점 (Core focuses)
LangChain에는 두 가지 핵심 초점이 있어요.
1. 최고의 모델로 개발할 수 있게 하기
서로 다른 제공자는 각기 다른 API, 다른 모델 파라미터, 다른 메시지 형식을 노출해요. 모델의 입력과 출력을 표준화하는 게 핵심 초점이며, 이를 통해 개발자가 가장 최신 SOTA 모델로 쉽게 바꿀 수 있게 되어 벤더 락인(vendor lock-in)을 피할 수 있어요.
2. 다른 데이터·컴퓨팅과 상호작용하는 더 복잡한 흐름을 모델로 오케스트레이션하기 쉽게 하기
모델은 단순히 텍스트 생성 이상의 일에 쓰여야 해요. 다른 데이터와 상호작용하는 더 복잡한 흐름을 오케스트레이션하는 데도 쓰여야 하죠. LangChain은 LLM이 동적으로 사용할 수 있는 도구(tools)를 정의하기 쉽게 만들고, 비정형 데이터의 파싱과 접근도 도와줍니다.
역사 (History)
이 분야가 끊임없이 변해 온 만큼 LangChain도 함께 진화해 왔어요. LLM으로 무언가를 만든다는 것의 의미가 변해 온 과정과 함께, LangChain이 지난 몇 년간 어떻게 바뀌어 왔는지 간단한 타임라인으로 정리해 볼게요.
2022-10-24 — v0.0.1
ChatGPT가 나오기 한 달 전, LangChain은 Python 패키지로 출시됐어요. 두 가지 주요 컴포넌트로 구성됐죠.
- LLM 추상화
- "체인(Chains)" — 일반적인 사용 사례를 위한 미리 정의된 계산 단계. 예를 들어 RAG는 검색 단계를 실행한 다음 생성 단계를 실행하는 방식이었어요.
LangChain이라는 이름은 "Language"(언어 모델처럼)와 "Chains"에서 왔어요.
2022-12
첫 번째 범용 에이전트가 LangChain에 추가됐어요. 이 범용 에이전트들은 ReAct 논문(ReAct는 Reasoning and Acting을 뜻해요)에 기반했고, LLM으로 도구 호출을 나타내는 JSON을 생성한 뒤 그 JSON을 파싱해 어떤 도구를 부를지 결정했죠.
2023-01
OpenAI가 'Chat Completion' API를 출시했어요. 이전에는 모델이 문자열을 받아 문자열을 반환했는데, ChatCompletions API에서는 메시지 목록을 받아 메시지를 반환하도록 진화했죠. 다른 모델 제공자들도 따라왔고, LangChain은 메시지 목록으로 동작하도록 업데이트됐어요.
2023-01 — JavaScript 버전
LangChain이 JavaScript 버전을 출시했어요. LLM과 에이전트가 애플리케이션 구축 방식을 바꿀 것이고, JavaScript는 애플리케이션 개발자의 언어이기 때문이었죠.
2023-02 — 회사 설립
LangChain Inc.가 오픈소스 LangChain 프로젝트를 중심으로 회사로 설립됐어요. 주요 목표는 "지능형 에이전트를 보편화하자"였죠. 팀은 LangChain이 핵심적인 부분(LLM 시작을 쉽게 만들었지만)임에도 다른 컴포넌트들도 필요하다는 걸 인식했어요.
2023-03 — function calling
OpenAI가 API에 'function calling'을 출시했어요. 이로써 API가 도구 호출을 나타내는 페이로드를 명시적으로 생성할 수 있게 됐죠. 다른 모델 제공자들이 따라왔고, LangChain은 (JSON 파싱 대신) 이 방식을 도구 호출의 선호 방법으로 사용하도록 업데이트됐어요.
2023-06 — LangSmith 출시
LangSmith가 LangChain Inc.의 클로즈드소스 플랫폼으로 출시되며 옵저버빌리티와 평가(evals)를 제공했어요. 에이전트를 만드는 데 가장 큰 문제는 신뢰성을 확보하는 일이었고, 옵저버빌리티와 평가를 제공하는 LangSmith가 그 니즈를 풀기 위해 만들어졌죠. LangChain은 LangSmith와 원활히 통합되도록 업데이트됐어요.
2024-01 — v0.1.0
LangChain 0.1.0 출시. 최초의 0.0.x가 아닌 버전이었어요. 업계가 프로토타입에서 운영(production)으로 성숙해지면서 LangChain은 안정성에 더 초점을 맞췄죠.
2024-02 — LangGraph 출시
LangGraph가 오픈소스 라이브러리로 출시됐어요. 원래 LangChain은 LLM 추상화와 일반 애플리케이션 시작용 고수준 인터페이스 두 가지에 초점을 뒀지만, 개발자가 에이전트의 정확한 흐름을 제어할 수 있는 저수준 오케스트레이션 계층이 없었어요. 그 역할을 하게 된 게 LangGraph입니다. LangGraph를 만들 때 LangChain에서 배운 교훈을 바탕으로, 스트리밍, 내구성 있는 실행, 단기 기억, 휴먼-인-더-루프 등 필요한 기능을 추가했어요.
2024-06 — 700+ 통합
LangChain에는 700개 이상의 통합이 생겼어요. 통합은 핵심 LangChain 패키지에서 분리돼, 핵심 통합은 각자의 독립 패키지로, 나머지는 langchain-community로 옮겨졌죠.
2024-10 — LangGraph가 선호 방식으로
LangGraph가 단일 LLM 호출 이상의 모든 AI 애플리케이션을 만드는 선호 방식이 됐어요. 개발자들이 애플리케이션 신뢰성을 높이려 하면서 고수준 인터페이스보다 더 많은 제어가 필요해졌기 때문이죠. LangGraph가 그 저수준 유연성을 제공했어요. LangChain의 대부분 체인과 에이전트는 더 이상 사용하지 않고(deprecated), LangGraph로 마이그레이션하는 가이드가 붙었어요. LangGraph에는 여전히 하나의 고수준 추상화가 있는데, 바로 에이전트 추상화예요. 저수준 LangGraph 위에 구축됐고 LangChain의 ReAct 에이전트와 같은 인터페이스를 가집니다.
2025-04 — 멀티모달
모델 API가 더 멀티모달이 됐어요. 모델이 파일, 이미지, 비디오 등을 받기 시작했죠. langchain-core 메시지 형식도 개발자가 이런 멀티모달 입력을 표준 방식으로 지정할 수 있게 업데이트됐어요.
2025-10-20 — v1.0.0
LangChain 1.0 출시와 함께 두 가지 큰 변화가 있었어요.
langchain의 모든 체인과 에이전트의 완전한 개편. 모든 체인과 에이전트가 단 하나의 고수준 추상화, 즉 LangGraph 위에 구축된 에이전트 추상화로 대체됐어요. 이 추상화는 원래 LangGraph에서 만들어진 것이 LangChain으로 옮겨온 거죠. 업그레이드하지 않으려는(참고: 업그레이드를 권장해요) 기존 LangChain 체인/에이전트 사용자는langchain-classic패키지를 설치해 계속 쓸 수 있어요.- 표준 메시지 콘텐츠 형식. 모델 API가 단순 콘텐츠 문자열을 반환하는 메시지에서 reasoning 블록, 인용(citations), 서버 측 도구 호출 같은 더 복잡한 출력 타입으로 진화했어요. LangChain도 이를 여러 제공자에 걸쳐 표준화하도록 메시지 형식을 진화시켰죠.
2026-03-15 — v0.5.3: Deep Agents
Deep Agents가 LangGraph 위에 구축된 오픈소스 에이전트 하네스로 출시됐어요. LangChain이 커스텀 에이전트 아키텍처를 위한 유연한 빌딩 블록을 제공한다면, Deep Agents는 연구·코딩 같은 복잡하고 오래 걸리는 작업을 위한 배터리 포함 옵션이에요. 내장 계획 도구, 플러그형 백엔드(인메모리, 디스크, LangGraph store, 샌드박스)를 가진 가상 파일시스템, 컨텍스트 격리를 위한 서브에이전트 생성을 추가로 제공하죠. 미리 정의된 도구로 더 자율적인 에이전트가 필요하면 Deep Agents를, 에이전트 아키텍처를 완전히 제어하려면 LangChain을 쓰세요.