LangGraph

1. pip install langgraph langchain으로 설치하고, 가장 단순한 StateGraph 한 개·노드 두 개·엣지 한 개로 "입력 → 처리 → 출력" 흐름을 먼저 그립니다.^[1]
2. 공식 튜토리얼의 create_react_agent(또는 1.0의 create_agent)로 도구 호출 루프를 한 번 돌려, LangGraph가 어떤 상태 객체를 주고받는지 눈으로 확인합니다.^[2]
3. InMemorySaver 체크포인터를 붙이고 thread_id를 지정해, 중간에 프로세스를 끈 뒤 같은 thread로 재실행해 상태가 복원되는지 검증합니다.^[3]
4. 위험한 도구 호출(결제·삭제·외부 발송) 앞에 interrupt()를 두고, 휴먼 승인 후 Command(resume=...)로 재개하는 휴먼 인 더 루프 패턴을 적용합니다.^[3]
5. 운영에 올릴 때는 PostgresSaver로 체크포인터를 교체하고, LangSmith로 트레이스·평가를 붙여 노드 단위 비용·실패율을 본 뒤 모니터링 대시보드로 둡니다.^[2]

한계는 학습 곡선과 영역 분담입니다. 업계 비교 자료들은 LangGraph가 그래프·상태·체크포인트를 명시적으로 다루는 만큼, 단순한 단발성 챗봇이나 빠른 프로토타입에는 코드량이 과합니다.^[10] 같은 자료에서 CrewAI는 역할·태스크 중심으로 프로토타입이 빠르고, AutoGen은 대화 중심 멀티 에이전트에 강점이 있다고 정리하며, "프로토타입은 CrewAI로, 프로덕션은 LangGraph로 이전"하는 마이그레이션 패턴이 자주 보고됩니다.^[10] AutoGen의 대화 기반 모델은 휴먼 승인·재시도 같은 결정성 요구가 큰 워크플로에서는 LangGraph의 명시 그래프보다 통제가 어렵다는 평가도 나옵니다.^[10] 또한 그래프 정의 코드가 길어질수록 노드 간 상태 스키마 변경의 영향 범위를 추적하기가 까다로워, 운영 단계에서 LangSmith 같은 트레이싱 도구가 사실상 필수로 따라붙습니다.^[2]

진화 방향은 세 갈래입니다.

1. 2025년 10월 22일 LangGraph 1.0 정식 출시로 2.0 전까지 호환성 보장이 명문화됐고, langgraph.prebuilt는 langchain.agents로 이동했습니다.^[2]
2. 영속 상태·휴먼 인 더 루프·관측성을 묶은 "durable agent" 카테고리의 표준 후보로 자리 잡으며 Klarna·Uber·LinkedIn·Replit·Elastic·AppFolio·Cisco·J.P. Morgan·BlackRock이 운영 사례로 공개됐고, Devin(Cognition)·Replit Agent 같은 자율 코딩 에이전트도 LangGraph 기반으로 게시돼 있습니다.^[2][11]
3. LangGraph Platform(클라우드 런타임·LangGraph Studio 시각 디버거)을 통해 그래프 배포·재실행·시간여행 디버깅을 한 화면에서 다루는 방향으로 확장 중이라, 코드 정의와 운영 관측이 한 제품군 안에서 묶이는 흐름입니다.^[12]