이 가이드는 Studio를 사용하여 로컬에서 agent를 시각화하고, 상호작용하며, 디버깅하는 방법을 안내합니다. Studio는 무료로 사용할 수 있는 강력한 agent IDE로, LangSmith와 통합되어 tracing, evaluation, prompt engineering을 가능하게 합니다. agent가 어떻게 생각하는지 정확히 확인하고, 모든 결정을 추적하며, 더 스마트하고 신뢰할 수 있는 agent를 배포하세요.

​
사전 요구사항

시작하기 전에 다음 사항을 확인하세요:
  • LangSmith용 API key (무료 가입 가능)

​
로컬 LangGraph server 설정

​
1. LangGraph CLI 설치

# Python >= 3.11 is required.
pip install --upgrade "langgraph-cli[inmem]"

​
2. agent 준비

다음의 간단한 agent를 예제로 사용하겠습니다:
agent.py
from langchain.agents import create_agent

def send_email(to: str, subject: str, body: str):
    """Send an email"""
    email = {
        "to": to,
        "subject": subject,
        "body": body
    }
    # ... email sending logic

    return f"Email sent to {to}"

agent = create_agent(
    "openai:gpt-4o",
    tools=[send_email],
    system_prompt="You are an email assistant. Always use the send_email tool.",
)

​
3. Environment variables

프로젝트 루트에 .env 파일을 생성하고 필요한 API key를 입력하세요. LangSmith에서 받은 API key로 LANGSMITH_API_KEY environment variable을 설정해야 합니다.
.env 파일을 Git과 같은 버전 관리 시스템에 커밋하지 않도록 주의하세요!
.env
LANGSMITH_API_KEY=lsv2...

​
4. LangGraph config 파일 생성

앱 디렉토리 내에 configuration 파일 langgraph.json을 생성하세요:
langgraph.json
{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.py:agent"
  },
  "env": ".env"
}
create_agent는 자동으로 컴파일된 LangGraph graph를 반환하며, 이를 configuration 파일의 graphs key에 전달할 수 있습니다.
configuration 파일의 JSON object에 있는 각 key에 대한 자세한 설명은 LangGraph configuration 파일 참조를 참조하세요.
지금까지 프로젝트 구조는 다음과 같습니다: 
my-app/
├── src
│   └── agent.py
├── .env
└── langgraph.json

​
5. Dependencies 설치

새로운 LangGraph 앱의 루트에서 dependencies를 설치하세요: 
pip install -e .

​
6. Studio에서 agent 확인

LangGraph server를 시작하세요: 
langgraph dev
Safari는 Studio에 대한 localhost 연결을 차단합니다. 이 문제를 해결하려면 위 명령을 --tunnel과 함께 실행하여 보안 터널을 통해 Studio에 액세스하세요.
agent는 API(http://127.0.0.1:2024)와 Studio UI https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024를 통해 액세스할 수 있습니다:
Studio UI의 Agent 뷰
Studio는 agent의 각 단계를 쉽게 관찰할 수 있게 만듭니다. 모든 입력을 재생하고 정확한 prompt, tool arguments, return values, token/latency metrics를 검사하세요. tool이 exception을 발생시키면 Studio는 주변 상태와 함께 이를 기록하여 디버깅 시간을 줄일 수 있습니다. 개발 서버를 계속 실행하고, prompt나 tool signature를 편집하면 Studio가 hot-reload됩니다. 대화 thread를 어느 단계에서든 다시 실행하여 동작 변경 사항을 확인하세요. 자세한 내용은 Manage threads를 참조하세요. agent가 성장함에 따라 동일한 뷰가 단일 tool 데모에서 multi-node graph로 확장되며, 결정을 읽기 쉽고 재현 가능하게 유지합니다.
Studio에 대한 심층적인 내용은 개요 페이지를 확인하세요.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I