LangChain Hub: 프롬프트와 체인을 공유하고 실행하는 LangSmith 기반 플랫폼LangChain Hub은 LangChain에서 제공하는 웹 기반 허브로, 다양한 프롬프트(prompt), 체인(chain), 에이전트(agent)를 탐색하고 직접 실행해볼 수 있는 플랫폼입니다.LangSmith와 연동되어 있으며, 로그인만 하면 커뮤니티가 공유한 다양한 구성 요소를 복사하거나 바로 사용할 수 있습니다.LangChain Hub의 특징웹 UI 기반으로 코드 없이 프롬프트와 체인을 탐색버전 관리 및 Fork 기능 지원 (GitHub 유사 방식)LangChain 프로젝트와 직접 연동 가능LangSmith를 통한 테스트, 디버깅, 실시간 실행 지원LangChain Hub 사용 방법1. 사이트 접속 및 로그..
AI/LangChain
LangChain ChatPromptTemplate 소개ChatPromptTemplate은 LangChain에서 Chat 모델(OpenAI GPT, Anthropic Claude 등)과 연동하기 위해 사용하는 프롬프트 구성 클래스이다. 일반적인 PromptTemplate과 달리, 대화형 구조를 기반으로 메시지 역할(role)을 명시하고, 다중 메시지를 조합하는 방식으로 설계된다.기본 개념Chat 모델은 시스템 메시지, 사용자 메시지, 어시스턴트 메시지 등의 역할을 구분하며, ChatPromptTemplate은 이를 조합하여 구조화된 대화 맥락을 전달할 수 있도록 설계되었다.주요 구성 요소: SystemMessagePromptTemplate HumanMessagePromptTemplate AIMess..
LangChain의 PromptTemplate은 LLM 체인 구성 시 입력값을 프롬프트 문자열로 포맷팅해주는 핵심 컴포넌트이다. 이 글에서는 프롬프트 템플릿 사용 시 유용한 기능인 partial_variables와 load_prompt에 대해 설명한다.1. partial_variables정의: 프롬프트에서 일부 변수만 미리 고정값으로 설정하고, 나머지는 실행 시점에 동적으로 입력받는 방식이다.용도공통 문맥 또는 시스템 지시어 등을 프롬프트에 고정하고, 일부만 외부 입력으로 받을 때다양한 입력에 대해 동일한 베이스 프롬프트를 재사용할 때예제 코드from langchain.prompts import PromptTemplatebase_prompt = PromptTemplate.from_template( ..
LangChain 고급 LCEL 컴포넌트: RunnablePassthrough, RunnableParallel, RunnableLambdaLangChain Expression Language(LCEL)에서는 다양한 Runnable 계열의 유틸리티 클래스들을 제공한다. 이 글에서는 그 중에서도 실무에서 자주 활용되는 RunnablePassthrough, RunnableParallel, RunnableLambda 세 가지 컴포넌트를 개별적으로 정리한다.1. RunnablePassthrough정의: 입력을 그대로 출력으로 반환하는 가장 단순한 형태의 Runnable 구현체이다.용도 체인 구조 테스트 시 플레이스홀더 역할 전처리 또는 후처리를 생략하고 기본 입력값을 유지할 때 병렬 실행 시 특정 경로에서 ..
LCEL 인터페이스 정리: Runnable 구조와 주요 메서드LangChain Expression Language(LCEL)는 체인 컴포넌트를 함수형으로 연결할 수 있도록 설계된 구조이며, 모든 컴포넌트는 Runnable 인터페이스를 구현해야 한다. LCEL의 핵심은 이 Runnable 프로토콜을 따르는 클래스들 간의 연결에 있으며, 해당 구조를 기반으로 체인을 구성하고 실행한다.Runnable 인터페이스 개요LCEL에서 사용되는 모든 구성 요소(PromptTemplate, LLM, OutputParser 등)는 내부적으로 Runnable 추상 클래스 또는 프로토콜을 구현하며, 아래 메서드를 기본적으로 지원한다.지원 메서드 목록 invoke(input): 단일 입력 실행 (동기 방식) batch(in..
LCEL (LangChain Expression Language): 선언형 LangChain 구성 방식LCEL(LangChain Expression Language)은 LangChain의 컴포넌트들을 함수형으로 연결할 수 있도록 지원하는 선언적 표현 방식이다. LangChain v0.1 이후부터 공식 도입되었으며, 체인 구성 시 가독성과 재사용성을 높이고, 실행 흐름의 추적 및 디버깅을 용이하게 한다.LCEL 도입 배경 기존 LangChain 구성 방식은 Imperative(명령형) 스타일로 가독성이 떨어지는 경우가 많았다. 체인(Chain) 간 연결 구조를 함수형으로 선언할 수 있는 방식을 제공하여 코드의 명확성과 유지보수성을 개선했다. LangSmith와의 통합을 통해 실행 흐름 추적도 자연스럽..
LangSmith: LangChain 기반 애플리케이션의 디버깅 및 추적 도구LangSmith는 LangChain 애플리케이션을 실시간으로 모니터링하고 디버깅할 수 있도록 제공되는 관찰 가능성(Observability) 플랫폼이다. LangChain에서 구성된 체인(Chain), 프롬프트, 에이전트의 실행 로그를 구조적으로 추적하고 시각화하여 개발자의 디버깅 및 성능 최적화를 지원한다.주요 기능 실행 추적: LangChain에서 수행된 체인 실행 단계를 시각적으로 확인 가능 프롬프트 기록: 입력 프롬프트 및 응답 기록 저장 에러 분석: 체인 중단, 응답 실패, API 에러 등을 실시간으로 확인 사용자 세션 추적: 사용자별 요청 흐름 추적 가능 성능 모니터링: 응답 시간, LLM 호출 수, 에이전..
LangChain: LLM 기반 애플리케이션 프레임워크LangChain은 대형 언어 모델(LLM: Large Language Model)을 활용한 애플리케이션을 구축할 수 있도록 돕는 Python 기반 프레임워크이다. 다양한 데이터 소스와 LLM을 연결하여 복잡한 체인(chain) 형태의 응답 흐름을 구성할 수 있으며, 챗봇, 에이전트, 질의 응답 시스템 등 고도화된 AI 시스템 개발에 유용하다.LangChain 개요 Python 및 JavaScript 지원 OpenAI, Anthropic, Hugging Face 등 다양한 LLM API 통합 가능 문서 기반 질의응답 (RAG: Retrieval-Augmented Generation) 지원 체인(Chains), 에이전트(Agents), 도구(To..
