LangChain은 「LLM을 활용한 애플리케이션 개발을 단순화하는」 프레임워크로, 2022년 말에 등장해 빠르게 LLM 앱 개발의 표준이 됐습니다.
RAG, 에이전트, 체인 같은 복잡한 LLM 패턴을 미리 만들어 놓은 부품으로 결합할 수 있게 해 줍니다.
주요 부품은 다음과 같습니다.
1) 「Models」 — OpenAI, Anthropic, Hugging Face 등 다양한 LLM을 통일된 인터페이스로.
2) 「Prompts」 — 프롬프트 템플릿 관리.
3) 「Chains」 — 여러 LLM 호출을 순서대로 연결.
4) 「Retrievers」 — 벡터 DB·웹 검색에서 자료 가져오기.
5) 「Agents」 — LLM이 도구를 자율적으로 사용.
예를 들어 「PDF에서 질문에 답하는 RAG 챗봇」을 LangChain으로 만들면 다음과 같습니다.
PDF 로딩 → 텍스트 분할 → 임베딩 생성 → 벡터 DB 저장 → 질문 임베딩 → 유사 청크 검색 → LLM에 전달 → 답변.
이 모든 단계가 미리 만들어진 부품을 조합하는 형태로 50줄 안의 코드로 구현됩니다.
비유하자면 LangChain은 「LLM 앱 개발의 레고 블록」과 같습니다.
처음부터 모든 부품을 만들 필요 없이 표준 부품을 조합해 빠르게 시제품을 만들 수 있습니다.
그 대신 깊이 들어가면 추상화의 누수가 보일 수 있어 큰 프로덕션에서는 직접 구현으로 옮겨 가는 일도 흔합니다.
최근에는 「LangGraph」 — 에이전트의 흐름을 그래프 형태로 더 명시적으로 정의 — 가 추가됐고, LangSmith — 디버깅·모니터링 도구 — 도 함께 자리잡았습니다.
경쟁 프레임워크로 LlamaIndex, Haystack, DSPy 같은 도구들이 있어 각자 강점이 다릅니다.
한 줄 요약
LangChain은 RAG·에이전트·체인 같은 LLM 패턴을 미리 만들어진 부품으로 결합하는 프레임워크로, LLM 앱 개발의 표준이 되었습니다.
빠른 시제품 제작에 강합니다.
더 알아볼 것
- LangGraph — 에이전트 그래프 표현
- LangSmith — 디버깅·모니터링
- LlamaIndex — RAG에 특화된 경쟁 프레임워크
