280개 이상의 piece를 MCP 서버로 노출하는 오픈소스 AI 워크플로 자동화.
한국어는 runchr 제공 번역입니다. 원문 README는 English tool page.
LangChain
LLM 애플리케이션을 구축하기 위해 가장 널리 사용되는 프레임워크입니다. 모델, 도구, 메모리를 함께 연결하여 나만의 에이전트를 구성할 수 있습니다.
Install
pip
pip install langchain- Install
- pip install langchain
프로젝트 README (번역)
GitHub ↗Written by the project's own authors, not by runchr. Snapshot taken 2026-10-25.
에이전트 엔지니어링 플랫폼.
LangChain은 에이전트와 LLM 기반 애플리케이션을 구축하기 위한 프레임워크입니다. 상호 운용 가능한 컴포넌트와 서드파티 통합을 연결하여 AI 애플리케이션 개발을 간소화하는 동시에, 기반 기술이 발전하더라도 결정을 미래 지향적으로 유지할 수 있도록 돕습니다.
팁
이제 막 시작하셨나요? LangChain 위에 구축된 상위 수준 패키지인 Deep Agents를 확인해 보세요. 계획 수립, 서브에이전트, 파일 시스템 활용 등 일반적인 사용 패턴을 위한 내장 기능을 갖춘 에이전트를 만들 수 있습니다.
빠른 시작
uv add langchain
from langchain . chat_models import init_chat_model
model = init_chat_model ( "openai:gpt-5.5" )
result = model . invoke ( "Hello, world!" )
더 고급스러운 커스터마이징이나 에이전트 오케스트레이션이 필요하다면, 제어 가능한 에이전트 워크플로를 구축하기 위한 프레임워크인 LangGraph를 확인해 보세요.
동등한 JS/TS 라이브러리는 LangChain.js를 확인해 보세요.
팁
AI 에이전트와 LLM 애플리케이션의 개발, 디버깅, 배포에 대해서는 LangSmith를 참고하세요.
LangChain 생태계
LangChain 프레임워크는 단독으로 사용할 수 있지만, 모든 LangChain 제품과 매끄럽게 통합되어 LLM 애플리케이션을 구축할 때 개발자에게 완전한 도구 모음을 제공합니다.
Deep Agents — 계획을 세우고, 서브에이전트를 활용하며, 복잡한 작업을 위해 파일 시스템을 활용할 수 있는 에이전트 구축
LangGraph — 로우레벨 에이전트 오케스트레이션 프레임워크로 복잡한 작업을 안정적으로 처리할 수 있는 에이전트 구축
Integrations — 채팅 및 임베딩 모델, 도구 및 툴킷 등
LangSmith — LLM 앱을 위한 에이전트 평가, 관측성, 디버깅
LangSmith Deployment — 장기 실행 상태 기반 워크플로를 위한 전용 플랫폼으로 에이전트 배포 및 확장
LangChain을 사용하는 이유
LangChain은 모델, 임베딩, 벡터 스토어 등을 위한 표준 인터페이스를 통해 개발자가 LLM 기반 애플리케이션을 구축하도록 돕습니다.
실시간 데이터 증강 — LLM을 다양한 데이터 소스와 외부/내부 시스템에 손쉽게 연결할 수 있으며, 모델 제공자, 도구, 벡터 스토어, 리트리버 등에 대한 LangChain의 방대한 통합 라이브러리를 활용합니다
모델 상호 운용성 — 엔지니어링 팀이 애플리케이션 요구에 가장 적합한 선택을 찾기 위해 실험하는 동안 모델을 자유롭게 교체할 수 있습니다. 업계의 프런티어가 발전함에 따라 빠르게 적응하세요 — LangChain의 추상화는 추진력을 잃지 않고 계속 나아갈 수 있게 해줍니다
빠른 프로토타이핑 — LangChain의 모듈식 컴포넌트 기반 아키텍처로 LLM 애플리케이션을 빠르게 구축하고 반복할 수 있습니다. 처음부터 다시 구축하지 않고도 다양한 접근 방식과 워크플로를 테스트하여 개발 주기를 가속화하세요
프로덕션 준비 기능 — LangSmith 같은 통합을 통해 모니터링, 평가, 디버깅을 기본 지원하여 안정적인 애플리케이션을 배포하세요. 검증된 패턴과 모범 사례로 자신 있게 확장하세요
활발한 커뮤니티와 생태계 — 풍부한 통합, 템플릿, 커뮤니티 기여 컴포넌트 생태계를 활용하세요. 활발한 오픈소스 커뮤니티를 통해 지속적인 개선의 혜택을 누리고 최신 AI 발전 동향을 파악하세요
유연한 추상화 계층 — 빠른 시작을 위한 상위 수준 체인부터 세밀한 제어를 위한 로우레벨 컴포넌트까지, 필요에 맞는 추상화 수준에서 작업하세요. LangChain은 애플리케이션의 복잡성과 함께 성장합니다
리소스
문서 — 개념 개요 및 가이드
LangChain 생태계 개요 — LangChain, LangGraph, Deep Agents가 어떻게 함께 맞물리는지
API 레퍼런스 — 모든 공개 클래스, 함수, 타입에 대한 완전한 레퍼런스
토론 — 기술적 질문, 아이디어, 피드백을 위한 커뮤니티 포럼
LangChain Academy — LangChain 팀이 만든 LangChain 라이브러리와 제품에 관한 포괄적인 무료 강좌
기여 가이드 — 기여하는 방법과 좋은 첫 이슈를 찾는 방법
행동 강령 — 커뮤니티 가이드라인 및 표준
Other tools that do the same work
Python 프레임워크로, 구조화된 방식으로 신뢰할 수 있는 GenAI 에이전트 백엔드를 구축하기 위한
109개의 실습 프로젝트를 담은 AI 에이전트 설계 오픈소스 도서.
Agent stacks with this tool(2)View graph
암호화폐 신원, A2A 메시징, x402 USDC 결제를 갖춘 연구 에이전트를 Bindufy하세요
From README linksAgno 리서치 에이전트(OpenAI 모델과 DuckDuckGo 검색 도구)를 이미 작동하는 상태로 보유하고 있었고, identity와 payment 배관을 직접 구현하지 않고도 다른 에이전트들이 이 에이전트에 접근할 수 있기를 원했다. DID 라이브러리, OAuth 플로우, payment 미들웨어, A2A 호환 HTTP
View stackLangChain과 LangGraph로 티켓을 분류하고 답변 초안을 작성하는 지원 트리아지 에이전트
From README linksLangChain quickstart에서 시작해 init_chat_model로 채팅 모델을 표준 인터페이스 뒤에 바인딩한 뒤, 오케스트레이션을 LangGraph로 옮겨 트리아지 흐름이 단일 프롬프트가 아닌 명시적인 상태 머신이 되도록 했다. 그래프에는 인테이크 정규화, 의도 분류, 헬프센터 문서에 대한 검색, 초안 생성,
View stack
No comments yet.
to comment.