목차
1. 한 줄 요약
LangChain은 LLM 기반 애플리케이션을 만들 때 여러 기능을 연결해주는 개발 프레임워크입니다.
2. 쉽게 설명하면?
LangChain은 AI 앱을 만들기 위한 조립 도구와 비슷합니다. 모델 연결, 입력 구성, 문서 검색, 대화 흐름 관리를 하나의 구조로 묶을 수 있습니다.
3. 주요 역할
| 역할 | 설명 |
|---|---|
| 모델 연결 | 다양한 언어 모델 사용 |
| 입력 구성 | 질문과 조건을 구조화 |
| 작업 흐름 | 여러 단계를 순서대로 연결 |
| 문서 검색 | RAG 구성에 활용 |
4. 왜 필요한가?
간단한 질문 답변을 넘어 문서 검색, 요약, 대화형 서비스처럼 여러 단계가 필요한 AI 앱을 만들 때 유용합니다.
5. 실제 예시
- 문서 기반 질의응답
- 회의록 요약
- 사내 자료 검색
- 반복 문서 작업 보조
6. 장점
- LLM 앱 구성 요소를 쉽게 연결할 수 있습니다.
- RAG 구조를 만들 때 활용하기 좋습니다.
- 여러 모델과 저장소를 조합할 수 있습니다.
7. 한계
- 구조가 처음에는 복잡할 수 있습니다.
- 버전 변화에 따라 코드가 달라질 수 있습니다.
- 단순한 앱에는 과할 수 있습니다.
8. 자주 묻는 질문
Q1. LangChain은 AI 모델인가요?
아닙니다. 모델이 아니라 앱 개발 프레임워크입니다.
Q2. RAG에도 쓰이나요?
네. 문서 검색과 답변 생성 흐름을 구성할 때 사용할 수 있습니다.
Q3. 무엇을 먼저 알아야 하나요?
LLM, RAG, Python 기초를 알면 이해하기 쉽습니다.
9. 정리
LangChain은 LLM 앱의 여러 구성 요소를 연결해주는 프레임워크입니다. 문서 검색, 요약, 대화형 서비스 개발에 활용할 수 있습니다.