LangChain 생태계 한국어 학습 가이드

LangChain, LangGraph, Deep Agents -- AI Agent 개발의 모든 것을 다루는 체계적인 한국어 교육 자료

LangChain 생태계의 핵심 프레임워크 3가지를 한국어로 학습할 수 있는 종합 교육 저장소입니다. 공식 문서 기반의 교안, 실행 가능한 예제 코드, 실전 프로젝트를 통해 AI Agent 개발 역량을 체계적으로 쌓을 수 있습니다.

---

저장소 구성

이 저장소는 세 개의 독립적인 교재로 구성되어 있으며, 각각 별도로 학습하거나 순서대로 진행할 수 있습니다.

langchain-docs/
├── langchain/       # LangChain AI Agent 마스터 교안
├── langgraph/       # LangGraph 완벽 가이드
└── deep-agents/     # Deep Agents 한국어 문서

---

1. LangChain AI Agent 마스터 교안

경로: langchain/

LangChain 1.0 기반 AI Agent 개발의 전 과정을 다루는 한국어 교안입니다. 공식 문서 34개를 100% 반영하였으며, 기초부터 프로덕션 배포까지 10개 파트로 구성되어 있습니다.

항목	내용
교안	10개 파트 + 부록 4개
예제 코드	132개 Python 파일 (전체 실행 가능)
미니 프로젝트	4개 (날씨 비서, 문서 Q&A, 리서치 Agent, 고객 서비스)
난이도 시스템	모든 예제에 1~5단계 난이도 표시
학습 시간	약 38~47시간

파트 구성

단계	파트	핵심 내용
기초	Part 1~3	LangChain 개요, Chat Models, Tools, 첫 번째 Agent
중급	Part 4~6	메모리 시스템, 미들웨어/가드레일, 컨텍스트 엔지니어링
고급	Part 7~8	멀티에이전트, RAG, MCP 통합
프로덕션	Part 9~10	스트리밍, HITL, 테스트, LangSmith, 배포

상세 내용: langchain/README.md

---

2. LangGraph 완벽 가이드

경로: langgraph/

LangGraph의 핵심 개념(State, Node, Edge)부터 프로덕션 배포까지 다루는 종합 가이드입니다. 5개 Part, 20개 Chapter로 구성되어 있으며, 5개의 완성 프로젝트 예제를 포함합니다.

항목	내용
교안	5개 Part, 20개 Chapter + 부록 3개
완성 프로젝트	5개 (Chatbot, Research Assistant, Multi-Agent Team, RAG Agent, Code Assistant)
연습 문제	파트별 연습 문제 + 해답

Part 구성

Part	제목	핵심 내용
Part 1	Foundation	LangGraph 소개, 핵심 개념, State 관리
Part 2	Workflows	워크플로우 패턴, 조건부 라우팅, 병렬 실행
Part 3	Agent	도구/에이전트, ReAct Agent, Multi-Agent, 서브그래프
Part 4	Production	Persistence, 메모리, 스트리밍, HITL, Time Travel
Part 5	Advanced	Functional API, Durable Execution, 배포

상세 내용: langgraph/README.md

---

3. Deep Agents 한국어 문서

경로: deep-agents/

LangGraph 기반의 고급 에이전트 라이브러리인 Deep Agents의 공식 문서를 한국어로 번역한 자료입니다. 계획 수립, 서브에이전트, 파일 시스템 기반 컨텍스트 관리 등 복잡한 다단계 작업을 처리하는 에이전트 구축 방법을 다룹니다.

항목	내용
문서	10개 (영문 원본 + 한국어 번역 각각)
핵심 주제	계획 수립, 서브에이전트, 파일 시스템, 장기 메모리, HITL

핵심 역량

• 계획 및 작업 분해: write_todos 도구를 통한 체계적 작업 관리
• 컨텍스트 관리: 가상 파일 시스템을 통한 대규모 컨텍스트 처리
• 서브에이전트 위임: 컨텍스트 격리와 병렬 실행
• 장기 메모리: 스레드 간 영구 메모리 구현

상세 내용: deep-agents/README.md

---

권장 학습 순서

1. langchain/   -- LangChain 기초와 Agent 개발의 전체 흐름을 익힘
       |
2. langgraph/   -- 그래프 기반 워크플로우와 상태 관리를 심화 학습
       |
3. deep-agents/ -- 복잡한 다단계 에이전트 아키텍처를 학습

• 입문자: langchain/ Part 1~3 부터 시작
• LangChain 경험자: langgraph/ 또는 관심 있는 langchain/ 파트부터 시작
• 고급 사용자: deep-agents/로 바로 진입 가능

---

요구사항

• Python 3.10+ (3.11 권장)
• API 키: OpenAI, Anthropic, Google AI 중 하나 이상
• Docker: PostgreSQL 연동 실습 시 필요 (선택)

---

빠른 시작

# 원하는 교재 디렉토리로 이동
cd langchain    # 또는 langgraph

# 가상환경 생성 및 활성화
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 의존성 설치
pip install -r requirements.txt  # langgraph의 경우
pip install -r src/requirements.txt  # langchain의 경우

# 환경변수 설정
cp .env.example .env
# .env 파일에 API 키 입력

---

라이선스

MIT License

• 공식 LangChain/LangGraph 문서 및 이미지는 별도 라이선스 적용
• 교육 목적 Fair Use 원칙 준수

---

관련 링크

• LangChain 공식 문서
• LangGraph 공식 문서
• Deep Agents 공식 문서
• LangSmith

---

마지막 업데이트: 2025-02-21