- Large Language Model(LLM)은 훌륭하고 강력한 새로운 기술입니다.
- LLM은 외부 데이터 소스와 결합할 때 훨씬 더 강력해집니다.
- LLM은 미래의 애플리케이션이 어떻게 보일지를 변화시킬 것입니다. 특히, 미래의 애플리케이션은 점점 더 에이전트적으로 보일 것입니다.
- 그 변화는 아직 매우 초기 단계입니다.
- 에이전트 애플리케이션의 프로토타입을 만드는 것은 쉽지만, 프로덕션에 투입할 수 있을 만큼 신뢰할 수 있는 에이전트를 구축하는 것은 여전히 매우 어렵습니다.
1
개발자가 최고의 모델로 구축할 수 있도록 하고자 합니다.
다양한 제공업체는 서로 다른 API를 제공하며, 모델 파라미터와 메시지 형식도 다릅니다.
이러한 모델 입력과 출력을 표준화하는 것이 핵심 초점이며, 개발자가 최신 최첨단 모델로 쉽게 전환할 수 있도록 하여 종속성을 방지합니다.
2
모델을 사용하여 다른 데이터 및 계산과 상호 작용하는 더 복잡한 흐름을 조율하기 쉽게 만들고자 합니다.
모델은 단순한 텍스트 생성 이상으로 사용되어야 합니다 - 다른 데이터와 상호 작용하는 더 복잡한 흐름을 조율하는 데에도 사용되어야 합니다. LangChain은 LLM이 동적으로 사용할 수 있는 tool을 정의하고, 비구조화된 데이터의 파싱 및 액세스를 돕는 것을 쉽게 만듭니다.
역사
분야의 지속적인 변화 속도를 고려할 때, LangChain도 시간이 지남에 따라 진화해 왔습니다. 아래는 LangChain이 수년간 어떻게 변화해 왔는지에 대한 간략한 타임라인으로, LLM으로 구축한다는 것의 의미와 함께 진화해 왔습니다:ChatGPT가 출시되기 한 달 전, LangChain이 Python 패키지로 출시되었습니다. 두 가지 주요 구성 요소로 이루어져 있었습니다:
- LLM 추상화
- 일반적인 사용 사례를 위해 실행할 미리 정의된 계산 단계인 “Chain”. 예를 들어 - RAG: 검색 단계를 실행한 다음 생성 단계를 실행합니다.
2022-12
첫 번째 범용 에이전트가 LangChain에 추가되었습니다.이러한 범용 에이전트는 ReAct 논문(ReAct는 Reasoning과 Acting의 약자)을 기반으로 했습니다. LLM을 사용하여 tool 호출을 나타내는 JSON을 생성한 다음, 해당 JSON을 파싱하여 어떤 tool을 호출할지 결정했습니다.
2023-01
OpenAI가 ‘Chat Completion’ API를 출시했습니다.이전에는 모델이 문자열을 입력받아 문자열을 반환했습니다. ChatCompletions API에서는 메시지 목록을 입력받아 메시지를 반환하도록 진화했습니다. 다른 모델 제공업체도 이를 따랐고, LangChain은 메시지 목록과 작동하도록 업데이트되었습니다.
2023-01
LangChain이 JavaScript 버전을 출시했습니다.LLM과 에이전트는 애플리케이션이 구축되는 방식을 변화시킬 것이며, JavaScript는 애플리케이션 개발자의 언어입니다.
2023-02
LangChain Inc.가 회사로 설립되었습니다 오픈 소스 LangChain 프로젝트를 중심으로.주요 목표는 “지능형 에이전트를 어디에나 존재하게 만드는 것”이었습니다. 팀은 LangChain이 핵심 부분이지만(LangChain은 LLM을 시작하기 쉽게 만들었습니다), 다른 구성 요소도 필요하다는 것을 인식했습니다.
2023-03
OpenAI가 API에서 ‘function calling’을 출시했습니다.이를 통해 API가 tool 호출을 나타내는 페이로드를 명시적으로 생성할 수 있게 되었습니다. 다른 모델 제공업체도 이를 따랐고, LangChain은 이를 tool 호출의 선호 방법으로 사용하도록 업데이트되었습니다(JSON 파싱 대신).
2023-06
LangSmith가 출시되었습니다 LangChain Inc.의 클로즈드 소스 플랫폼으로, 관찰성과 평가를 제공합니다에이전트 구축의 주요 문제는 신뢰성을 확보하는 것이며, 관찰성과 평가를 제공하는 LangSmith는 그 필요를 해결하기 위해 구축되었습니다. LangChain은 LangSmith와 원활하게 통합되도록 업데이트되었습니다.
LangChain이 0.1.0을 출시했습니다, 첫 번째 non-0.0.x 버전입니다.업계가 프로토타입에서 프로덕션으로 성숙해짐에 따라, LangChain은 안정성에 대한 초점을 강화했습니다.
2024-02
LangGraph가 출시되었습니다 오픈 소스 라이브러리로.원래 LangChain은 두 가지 초점을 가지고 있었습니다: LLM 추상화와 일반적인 애플리케이션을 시작하기 위한 고수준 인터페이스. 그러나 개발자가 에이전트의 정확한 흐름을 제어할 수 있는 저수준 오케스트레이션 레이어가 부족했습니다. 여기에 LangGraph가 등장했습니다.LangGraph를 구축할 때, 우리는 LangChain을 구축하면서 얻은 교훈을 배웠고 필요하다고 발견한 기능을 추가했습니다: 스트리밍, 지속 가능한 실행, 단기 메모리, human-in-the-loop 등.
2024-06
LangChain이 700개 이상의 통합을 보유하게 되었습니다.통합은 핵심 LangChain 패키지에서 분리되어 독립적인 패키지(핵심 통합의 경우) 또는
langchain-community로 이동되었습니다.2024-10
LangGraph가 단일 LLM 호출 이상의 AI 애플리케이션을 구축하는 선호되는 방법이 되었습니다.개발자들이 애플리케이션의 신뢰성을 향상시키려고 시도하면서, 고수준 인터페이스가 제공하는 것보다 더 많은 제어가 필요했습니다. LangGraph는 그러한 저수준 유연성을 제공했습니다. 대부분의 chain과 에이전트는 LangChain에서 deprecated로 표시되었으며 LangGraph로 마이그레이션하는 방법에 대한 가이드가 제공되었습니다. LangGraph에서 생성된 고수준 추상화가 하나 있습니다: 에이전트 추상화입니다. 이는 저수준 LangGraph 위에 구축되었으며 LangChain의 ReAct 에이전트와 동일한 인터페이스를 가지고 있습니다.
2025-04
Model API가 더욱 멀티모달해졌습니다.모델이 파일, 이미지, 비디오 등을 받아들이기 시작했습니다. 개발자가 이러한 멀티모달 입력을 표준 방식으로 지정할 수 있도록
langchain-core 메시지 형식을 업데이트했습니다.LangChain이 1.0을 출시했습니다 두 가지 주요 변경 사항과 함께:
-
langchain의 모든 chain과 에이전트의 완전한 개편. 모든 chain과 에이전트는 이제 단 하나의 고수준 추상화로 대체되었습니다: LangGraph 위에 구축된 에이전트 추상화입니다. 이것은 원래 LangGraph에서 생성된 고수준 추상화였지만, LangChain으로 이동되었습니다. 업그레이드를 원하지 않는 기존 LangChain chain/에이전트를 여전히 사용하는 사용자의 경우(참고: 업그레이드를 권장합니다),langchain-classic패키지를 설치하여 기존 LangChain을 계속 사용할 수 있습니다. - 표준 메시지 콘텐츠 형식: Model API는 단순한 콘텐츠 문자열이 있는 메시지를 반환하는 것에서 더 복잡한 출력 유형(추론 블록, 인용, 서버 측 tool 호출 등)으로 진화했습니다. LangChain은 제공업체 간에 이를 표준화하기 위해 메시지 형식을 진화시켰습니다.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.