AI 개발도구

LangChain

랭체인

AI 개발도구 분야에서 Harrison Chase가 2022년에 공개한 오픈소스 프레임워크로, 여러 LLM·벡터DB·도구를 한 줄로 연결해 RAG·에이전트·자동화 파이프라인을 빠르게 만들 수 있게 해줍니다.

쉬운 풀이

AI를 활용한 코딩 과제를 할 때 부품(모델·DB·검색기)을 레고처럼 조립하게 해 주는 키트라고 보면 가깝습니다. 학과 프로젝트로 챗봇 하나를 만들려면 OpenAI API 호출 코드, PDF에서 문장을 잘라 벡터로 바꾸는 코드, 그걸 저장하는 DB 코드를 따로따로 붙여야 하는데, LangChain은 이걸 "체인" 한 줄로 연결해 줘요. 조별 과제할 때 노션 템플릿 골라 쓰듯, 자주 쓰는 패턴을 가져다 빈칸만 채우는 느낌이라 처음 LLM 앱을 만드는 학부생들이 가장 먼저 만나는 도구가 되었습니다.

한 줄 비유

LLM 위에 결재 라인·외주·자료 검색을 묶는 표준 결재 양식 같은 도구입니다.

활용 예시

Case 1

Klarna — 8,500만 명 고객 응대 에이전트

글로벌 결제 회사 Klarna는 LangGraph와 LangSmith로 AI 어시스턴트를 운영하며 8,500만 활성 사용자의 결제·환불·이관 문의를 처리하고 있습니다^[7]. 누적 250만 건의 대화를 처리해 정직원 700명 분의 업무량에 해당한다고 자체 보고했고, 실시간 대화 추적·평가를 LangSmith에서 동일 화면으로 다루는 구조입니다^[7]. 환불·정산처럼 위험도가 높은 단계에서는 상담원에게 결재를 넘기는 흐름까지 같은 그래프 안에 들어 있습니다.

Case 2

한국 — 온다(ONDA)·삼성SDS·테디노트의 도입과 학습 생태계

숙박 테크 스타트업 온다(ONDA)는 공식 기술 블로그에서 LangChain 기반 LLM 응용 개발기를 공개하며, "LLM의 복잡한 연쇄 호출을 모듈화해 애플리케이션 단으로 끌어올리는 도구"로 정리했습니다^[8]. 삼성SDS는 인사이트 리포트에서 LangChain을 "LLM 활용 애플리케이션 개발에 특화된 오픈소스 프레임워크"로 소개하고 문서 Q&A·SQL 응답·실시간 데이터 통합 같은 활용 패턴을 정리했습니다^[9]. LangChain 공식 앰버서더 테디노트(이경록)의 한국어 튜토리얼 저장소 langchain-kr은 한국어 사용자가 가장 많이 참고하는 진입점 중 하나입니다^[10].

Case 3

Uber — 5,000명 엔지니어용 사내 코드 마이그레이션 에이전트

Uber 개발자 플랫폼 팀은 LangGraph 위에 사내 멀티 에이전트 도구군(AutoCover·Validator 등)을 만들어 약 1억 라인 규모의 사내 코드베이스를 다루는 엔지니어 5,000명에게 배포했습니다^[11]. 단위 테스트 자동 생성으로 약 21,000시간의 개발자 시간을 절감했고, 개발자 플랫폼 커버리지를 10%p 끌어올렸다고 LangChain이 공식 사례로 공개했습니다^[11]. LinkedIn은 같은 LangGraph 기반으로 채용 추천 에이전트를, J.P. Morgan과 BlackRock도 사내 에이전트 인프라에 LangGraph를 채택한 사례로 공개됐습니다^[2][3].

Case 4

오픈소스 커뮤니티 — GitHub Star 모든 AI 프레임워크 중 1위

2025년 6월 기준 LangChain 본 저장소 GitHub Star는 110,000개를 넘어, 모든 AI 에이전트·LLM 프레임워크 중 1위로 집계됐습니다^[6]. 같은 시점 누적 다운로드 130M+, 월간 다운로드 8천만 회, 50개국 600명 이상의 외부 컨트리뷰터가 등록돼 있고, 132,000개 이상의 LLM 애플리케이션이 LangChain 위에서 빌드됐다고 공식 통계가 명시합니다^[6]. 70여 개 사업을 운영하는 라쿠텐은 LangChain의 OpenGPTs 패키지로 직원 32,000명용 사내 어시스턴트의 초기 플랫폼을 엔지니어 3명이 1주일 만에 구축한 사례로 함께 등재됐습니다^[12].

참고사항

pip install langchain langchain-openai로 최소 의존성을 설치하고, OpenAI 또는 Anthropic API 키를 환경변수로 등록합니다^[1].
공식 튜토리얼의 "5줄짜리 RAG" 예제로 PDF 한 건 → 벡터 DB → 질문 답변까지의 한 흐름을 먼저 돌려봅니다^[1].
한국어 자료가 필요하면 테디노트의 langchain-kr 저장소를 클론해 한국어 임베딩·청킹 예제를 그대로 따라갑니다^[10].
에이전트가 두 단계 이상의 의사결정·재시도가 필요하면 LangGraph로 옮겨, 노드·엣지·상태를 명시적으로 정의합니다^[3].
LangSmith를 붙여 호출 트레이스·평가 데이터셋을 한 화면에서 보고, 프롬프트를 바꿀 때마다 회귀 테스트를 돌립니다^[13].

초기 LangChain은 추상화가 두꺼워 "프로토타입은 빠르지만 프로덕션은 어렵다"는 비판을 받았습니다. Harrison Chase 본인도 2025년 회고 글에서 "고수준 인터페이스가 커스터마이징을 가로막았다"고 인정했고, 이를 풀기 위해 2024년 1월 LangGraph를 별도로 출시했습니다^[2]. 또 다른 한계는 영역 분담입니다 — 업계 비교 자료에서는 순수 RAG는 LlamaIndex가 기본값·코드량 측면에서 단순하고, 도구를 쓰는 다단계 에이전트는 LangChain·LangGraph가 더 유리하다고 정리하며, 실제 프로덕션에서는 두 프레임워크를 같이 쓰는 경우가 많다고 보고합니다^[14].

진화 방향은 세 갈래입니다.

2025년 10월 LangChain 1.0 정식 출시로 도구 호출 루프와 컨텍스트 엔지니어링용 "미들웨어"를 코어로 두고, 런타임은 LangGraph 위에서 돌리도록 재정비됐습니다^[2]. 그 결과 그래프 단위의 영속 상태·휴먼 인 더 루프 패턴이 기본값으로 들어왔습니다^[3].
LangSmith가 단순 관측을 넘어 평가·배포·"에이전트 엔지니어링 플랫폼"으로 확장되며 25K+ 월간 활성 팀, 10억 건 이상의 트레이스 로그가 누적됐고, 회귀 테스트·프롬프트 평가까지 한 화면에서 다룹니다^[6][13].
IVP·Sequoia·Benchmark가 공동 투자한 $125M Series B 자금을 바탕으로 엔터프라이즈 도입이 본격화돼 Klarna·Uber·LinkedIn·MUFG Bank·Vodafone·Home Depot·J.P. Morgan·BlackRock·Replit 같은 회사들이 LangGraph 기반 에이전트를 실제 운영 중이라고 공식 사례로 공개됐습니다^[3][5][7].

이 용어와의 관계

유사 개념
AI Pair Programmer같은 AI 개발도구 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
AI IDE같은 AI 개발도구 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
Cursor Tab같은 AI 개발도구 갈래에서 자주 함께 등장하는 개념입니다.