280개 이상의 piece를 MCP 서버로 노출하는 오픈소스 AI 워크플로 자동화.
한국어는 runchr 제공 번역입니다. 원문 README는 English tool page.
LangGraph
상태가 필요한 에이전트를 위한 프레임워크. 워크플로우를 그래프로 모델링하고, 사이클과 체크포인트를 추가하며, 장기 실행 작업을 복구 가능하게 유지하세요.
Install
pip
pip install -U langgraph- Install
- pip install -U langgraph
프로젝트 README (번역)
GitHub ↗Written by the project's own authors, not by runchr. Snapshot taken 2026-10-25.
상태 유지 에이전트를 구축하기 위한 저수준 오케스트레이션 프레임워크입니다.
Klarna, Replit, Elastic 등 에이전트의 미래를 만들어가는 기업들이 신뢰하는 LangGraph는 장기 실행 상태 유지 에이전트를 구축, 관리, 배포하기 위한 저수준 오케스트레이션 프레임워크입니다.
pip install -U langgraph
팁
에이전트를 빠르게 구축하려면 Deep Agents를 확인하세요 — 계획을 세우고, 서브에이전트를 활용하며, 복잡한 작업을 위해 파일 시스템을 활용할 수 있는 에이전트를 위한 LangGraph 기반의 상위 수준 패키지입니다.
동등한 JS/TS 라이브러리는 LangGraph.js와 JS 문서를 확인하세요.
LangGraph를 사용하는 이유
LangGraph는 모든 장기 실행 상태 유지 워크플로 또는 에이전트를 위한 저수준 지원 인프라를 제공합니다:
내구성 있는 실행 — 실패를 견디고 장기간 실행될 수 있으며, 중단된 정확한 지점에서 자동으로 재개되는 에이전트를 구축합니다.
휴먼 인 더 루프 — 실행 중 어느 시점에서든 에이전트 상태를 검사하고 수정하여 인간의 감독을 원활하게 통합합니다.
포괄적인 메모리 — 지속적인 추론을 위한 단기 작업 메모리와 세션 간 장기 지속 메모리를 모두 갖춘 진정한 상태 유지 에이전트를 만듭니다.
LangSmith를 통한 디버깅 — 실행 경로를 추적하고, 상태 전환을 캡처하며, 상세한 런타임 지표를 제공하는 시각화 도구로 복잡한 에이전트 동작에 대한 깊은 가시성을 확보합니다.
프로덕션 준비 완료 배포 — 상태 유지 장기 실행 워크플로의 고유한 과제를 처리하도록 설계된 확장 가능한 인프라로 정교한 에이전트 시스템을 자신 있게 배포합니다.
팁
AI 에이전트 및 LLM 애플리케이션을 개발, 디버깅, 배포하려면 LangSmith를 참조하세요.
LangGraph 생태계
LangGraph는 독립적으로 사용할 수 있지만, 모든 LangChain 제품과 원활하게 통합되어 개발자에게 에이전트 구축을 위한 완전한 도구 모음을 제공합니다.
LLM 애플리케이션 개발을 개선하려면 LangGraph를 다음과 함께 사용하세요:
Deep Agents – 계획을 세우고, 서브에이전트를 활용하며, 복잡한 작업을 위해 파일 시스템을 활용할 수 있는 에이전트를 구축합니다.
LangChain – LLM 애플리케이션 개발을 간소화하기 위한 통합 및 조합 가능한 컴포넌트를 제공합니다.
LangSmith – 에이전트 평가 및 관찰 가능성에 유용합니다. 성능이 낮은 LLM 앱 실행을 디버깅하고, 에이전트 궤적을 평가하며, 프로덕션에서 가시성을 확보하고, 시간이 지남에 따라 성능을 개선합니다.
LangSmith Deployment – 장기 실행 상태 유지 워크플로를 위한 전용 배포 플랫폼으로 에이전트를 손쉽게 배포하고 확장합니다. 팀 간에 에이전트를 발견, 재사용, 구성, 공유하고 LangSmith Studio의 시각적 프로토타이핑으로 빠르게 반복하세요.
문서
docs.langchain.com – 개념 개요와 가이드를 포함한 포괄적인 문서
reference.langchain.com/python/langgraph – LangGraph 패키지의 API 참조 문서
LangGraph Quickstart – LangGraph로 구축 시작하기
Chat LangChain – LangChain 문서와 대화하고 질문에 대한 답변 받기
토론 : LangChain Forum을 방문하여 커뮤니티와 연결하고 모든 기술적 질문, 아이디어, 피드백을 공유하세요.
추가 리소스
가이드 – 스트리밍, 메모리 및 지속성 추가, 디자인 패턴(예: 분기, 서브그래프 등)과 같은 주제에 대한 빠르고 실행 가능한 코드 스니펫.
LangChain Academy – 무료 체계적인 과정에서 LangGraph의 기초를 배우세요.
사례 연구 – 업계 리더들이 LangGraph를 사용하여 AI 애플리케이션을 대규모로 출시하는 방법을 들어보세요.
기여 가이드 – LangChain 프로젝트에 기여하는 방법을 배우고 좋은 첫 이슈를 찾아보세요.
행동 강령 – 커뮤니티 가이드라인 및 참여 기준.
감사의 말
LangGraph는 Pregel과 Apache Beam에서 영감을 받았습니다. 공개 인터페이스는 NetworkX에서 영감을 받았습니다. LangGraph는 LangChain의 창시자인 LangChain Inc에서 만들었지만, LangChain 없이도 사용할 수 있습니다.
Other tools that do the same work
Claude Code 및 기타 하네스를 위한 멀티 하네스 플러그인 마켓플레이스입니다.
Python과 .NET에서 프로덕션 AI 에이전트와 멀티 에이전트 워크플로를 구축하세요.
Agent stacks with this tool(5)View graph
정책 적용 및 감사 추적 기능을 갖춘 거버넌스 기반 멀티 에이전트 리서치 어시스턴트
From README links그들은 웹을 검색하고, 내부 문서를 읽고, 요약을 공유 지식 베이스에 작성할 수 있는 LangGraph 리서치 에이전트를 가지고 있었다. 배포하기 전에 그들은 가드레일을 원했다. 에이전트가 파괴적인 도구를 절대 호출할 수 없어야 하고, 모든 행동이 특정 에이전트 인스턴스에 귀속될 수 있어야 하며, 무슨 일이 일어났는지에
View stackHarness Engine을 위한 옵트인 Deep Agents 런타임 통합: 내구성 있는 세션과 리플레이 지원
From README links작성자는 기존 Deep Agents 런타임을 Harness Engine에 옵트인 확장으로 통합하여, DeepAgentsAdapter 뒤에서 네이티브 런타임을 재사용하면서 SSE 인코딩 전에 타입이 지정된 이벤트를 사용하고 completed, paused, cancelled 결과를 명시적으로 처리했습니다. 또한 내구성 있는
View stackautomcp 작성자는 대부분의 MCP 서버가 독립형 도구 프로젝트라는 점을 알아차렸고, 이로 인해 에이전트와 멀티 에이전트 워크플로를 MCP로 노출하기가 어색해진다고 보았다. 그들의 접근 방식은 AI 엔지니어가 이미 사용 중인 에이전트 프레임워크에서 계속 프로토타이핑하게 하고, 출시 준비가 되면 automcp를 의존성으
View stack암호화폐 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 stack
No comments yet.
to comment.