LLM을 다룰 때,
아래와 같은 고민을 한 적이 있다면?

랭체인,,조금만 깊이 들어가면 코드가 너무 복잡해져요.
RAG 커스터마이징에
제한사항이 많아요.
AI agent 만들 때
제일 좋은 도구가 뭘까요?

여러분의 고민을 해결하는 차원이 다른 라이브러리

LangGraph

왜 랭그래프 일까요?

ImageSlide<b style="color:#114777"> 1년만에 6배 성장한 <br> LangGraph 사용 비율 </b>
1년만에 6배 성장한
LangGraph 사용 비율

출처: LangChain State of AI 2024 Report

LangGraph의 사용률을 확인한 결과, LangGraph의 도입 비율도 1월에 7%에서 연말에 44%로 증가했습니다.
ImageSlide<b style="color:#114777"> 에이전트 프레임워크 중<br> 언급량 1위 </b>
에이전트 프레임워크 중
언급량 1위

출처:구글트렌드 검색어 순위 변화 (전세계, 24년 1월 ~ 25년 1월)

확장성이 기존 프레임워크들에 비해 월등히 좋아, 시장을 선점했던 Crew.AI, AutoGen을 제치고 더 빠르게 성장 중입니다.
ImageSlide<b style="color:#114777"> 주요 IT 대기업 프로덕션에 <br> 실제 도입 중 </b>
주요 IT 대기업 프로덕션에
실제 도입 중

출처: LangChain State of AI 2024 Report

Uber, Linkedin 등의 실리콘밸리 IT 기업은 2024년 LangGraph로 실제 프로덕션을 제작하여 사용 중입니다.

왜 랭그래프 일까요?

  • 다양한 상태와 조건을 더 쉽게!

    RAG 구조가 복잡해지면 코드가 복잡해지는 랭체인에 비해 조정이 쉽습니다.

  • 복잡한 작업 흐름을 더 오래!

    랭체인보다 확실한
    장기기억을 제공합니다.

  • 모듈 연결을 더 다양하게!

    메모리/품질 평가 등 다양한 모듈을 연결한 멀티 에이전트를 랭그래프로 완성하세요!

AI 애플리케이션의 가능성이 300% 상승합니다!

복잡한 RAG와
고도화된 흐름의 AI Agent까지
LangGraph로 LLM 공부를 시작하세요.

  • 다재다능 랭그래프의 활용법 완전정복

    간단한 단위부터 복잡한 구조체, 실제 배포까지

  • 랭체인과 랭그래프로 정교한 RAG

    랭체인으로는 구현이 어려운 고도화된 RAG를 완성하세요.

  • 25년 AI 트렌드
    AI agent

    무궁무진한 가능성을 가진 Agent를 랭그래프로 시작하세요.

  • LLM의 개념을 다지는 왕초보 부록까지!

    LLM 개발이 처음? 이 강의로 단숨에 끝내세요.

커리큘럼

20시간만에 입문부터 실전까지 끝내는
복잡한 흐름제어가 가능한 랭그래프 AtoZ

Lv 1
개념 | 랭그래프의 기초부터 내부구조까지

01
LLM과 Agent는
어떻게 다른가요?

2025년의 LLM 트렌드인 Agent와 핵심 프레임워크가 랭그래프인 이유를 알아가세요.

02
랭그래프의 내부 구조가 어떻게 이루어져 있나요?

랭그래프의 Node와 Edge, Graph 등 생소한 구조 개념 정리부터 함께 해요.

03
Graph와 State 구동방법을 잘 모르겠다면?

랭그래프에서 까다로운 Graph와 State를 컨트롤하기 위한 방법을 알려드려요.

04
랭그래프를 현실 도입할 때 체크해야 하는 점은?

아무때나 랭그래프를 도입하면 안 돼요! 적재적소로 사용하는 상황과 방법을 알려드려요.

Lv 2
활용 | 다양한 스택과 함께 실전 LLM 구동하기

오픈소스 LLM과 LangGraph 연동

허깅페이스에 올라오는 Llama(라마), Qwen(큐웬)과 같은 다양한 오픈 모델을 활용하여 에이전트를 구현합니다.

LangGraph를 활용한 LLM 성능 개선

널리 쓰이고 있는 LLM 서빙 프레임워크로 저비용 고성능으로 LLM을 추론할 수 있는 최적화 방법을 알아봅니다.

LangGraph 활용 LLM 앱 배포

실제로 사용자가 LLM 어플리케이션에 접속할 수 있도록 LLM을 서버에 올리고, 웹 프론트엔드에 연결해봅니다.

Lv 3
실전 | RAG, Agent 등 LLM 제작 프로젝트 6가지

  • 학습 목표

    ∙ 랭체인 & 랭그래프 함께 활용하기
    ∙ 여러 개의 모듈 직접 연결하기

  • Advanced RAG

    의도 분류 기반 다기능 RAG

    복잡한 쿼리를 처리하는 Text-to-SQL

    비전 모델을 활용한 멀티모달 RAG

  • Agent 구현

    멀티 에이전트 기반 리서치 어시스턴트

    Code Interpreter 이용한 차트 제너레이터

    보고서 작성과 품질 평가 관리 multi agent

노베이스를 위한 부록
랭체인부터 쌓는 LLM 애플리케이션 기초

ChatGPT와 랭체인으로
AI와 LLM 에 대한 기초지식 쌓기
∙ OpenAI와 Gemini API 사용하며 LLM과 API를 연동하는 법을 배웁니다.
∙ LLM을 만들 때의 기본 툴인 랭체인, 그리고 랭체인 표현 언어를 배웁니다.
∙ 랭체인을 이용하여 간단한 LLM 어플리케이션을 만들어 봅니다.

RAG 프로젝트

랭그래프로 랭체인의 한계를 극복하는
Advanced RAG를 완성하세요.

다양한 산업 분야에서 Advanced RAG를 구축하고 싶다면
랭체인과 랭그래프의 특징을 파악하고 서로 보완할 수 있도록 활용해야 합니다!

의도 분류 기반 다기능 RAG

사용자가 묻는 질문의 의도를 분류하고 복잡한 분기점에서 스스로 판단하며 올바른 DB와 연결을 시켜주도록 설계하는 것이 중요합니다.

| 랭체인과 랭그래프 활용 범위 차이점
이때 랭체인은 간단한 RAG 구현 및 툴 구성 역할까지만 가능하나, 랭그래프는 입력 쿼리로부터 전체 워크플로우를 관리하고 모니터링하는 역할을 합니다.
⊕ 의도 분류에 따른 동적 분기점 구성
⊕ 품질 검증을 통한 순환 구조
⊕ 쿼리 재구성을 위한 대화 컨텍스트 및 사전 정보 관리

복잡한 자연어 쿼리를 처리하는 Text-to-SQL

사용자의 복잡한 자연어 질문을 이해하여 여러 개의 SQL 쿼리로 변환할 때(Text2SQL) SQL DB와 LLM을 병렬 처리 구조로 연계하여 통합 설계하는 점이 중요합니다.

| 랭체인과 랭그래프 활용 범위 차이점
랭체인은 자연어를 SQL 쿼리로 변환하고 DB 연결과 쿼리 실행 모듈까지만 관여하며, 랭그래프는 병렬 처리 워크플로우 로직을 관리합니다.
⊕ 자연어 질의 분해 및 병렬 처리
⊕ 쿼리 실행 과정의 오류 발생시, 이를 롤백하고 처리하는 메커니즘 구현
⊕ 쿼리 재구성을 위한 대화 컨텍스트 및 사전 정보 관리

비전 모델을 활용한 멀티모달 RAG

이미지 데이터의 처리와 텍스트 데이터 처리를 개별로 진행한 후, 응답 생성을 위해 연결하는 파이프라인을 구축하는 것이 포인트입니다.

| 랭체인과 랭그래프 활용 범위 차이점
랭체인은 멀티모달 데이터 임베딩과 RAG까지 관여한다면, 랭그래프는 텍스트 요소별로 처리 흐름을 제어하고 통합 워크플로우를 관장합니다.
⊕ 멀티모달 처리와 워크플로우 관리
⊕ 이미지/텍스트 개별 병렬 처리하기
⊕ 다중 모달리티의 데이터를 효과적으로 관리하기

AI Agent 프로젝트

차세대 트렌드 Agent의 대표 활용 방법 3가지

Agent의 대표 활용 사례들을 직접 제작해보고,
Agent 플로우를 만드는 단계를 반복해서 실습하며 체득하세요.

Agent 1

복잡한 리서치 작업을 수행하는
Multi Agent 기반의 리서치 어시스턴트

다양한 에이전트의 협력을 통해 복잡한 리서치 작업을 수행하고, 상세한 결과를 도출하는 시스템 구현하기 위해 협업 메커니즘과 품질 관리 방법을 배웁니다.

| 멀티 에이전트 내 랭그래프의 역할
⊕ 에이전트 간 협업 워크플로우, 공유 메모리 관리
⊕ 동적 태스크 할당 및 결과물 저장
⊕ 중간 결과물의 품질 검증과 피드백

ImageSlide<b>주제 관련 검색 Agent</b>
주제 관련 검색 Agent
입력된 주제에 대해, 보고서를 쓰기 위한 개요를 구상합니다.
ImageSlide<b>작업 분배 Agent</b>
작업 분배 Agent
다양한 리서치 에이전트 풀 중, 적절한 에이전트를 선정해 작업을 전달합니다.
ImageSlide<b>리서치 Agent</b>
리서치 Agent
주어진 섹션에 대해, 검색을 통해 보고서에 포함할 결과물을 작성합니다.
ImageSlide<b>품질 검증 Agent</b>
품질 검증 Agent
섹션별 일관성을 확인하고, 검증 결과를 생성합니다.
ImageSlide<b>통합 Agent</b>
통합 Agent
다양한 섹션의 데이터를 결합하고 수정합니다.
ImageSlide<b>포맷팅 Agent</b>
포맷팅 Agent
전체 문서의 구획을 수정하고, 마크다운 포맷으로 변환합니다.

Agent 2

Code Interpreter를 이용한
데이터 분석 및 차트 제너레이터 Agent

나의 데이터 파일과 질의를 분석하여 데이터 분석을 수행하고, 분석한 데이터를 차트로 시각화하는 Agent 시스템을 구현합니다.Pandas 등의 라이브러리를 활용한 데이터 분석 자동화, Code Writer와 REPL을 이용한 파이썬 코드 실행 툴 활용법을 익힙니다

| 멀티 에이전트 내 랭그래프의 역할
⊕ 데이터 분석 모듈 - 코드 생성 모듈 연동 관리
⊕ 사용자 피드백 기반 순환
⊕ 시각화와 최적화 프로세스 관리

ImageSlide<b>컨트롤러 Agent</b>
컨트롤러 Agent
초기 프롬프트를 생성하고, 피드백을 반영하여 각 에이전트에 전달합니다.
ImageSlide<b>데이터 분석 Agent</b>
데이터 분석 Agent
데이터 분석 방향을 생성하고, 피드백을 반영하여 시각화 요청을 전달합니다.
ImageSlide<b>시각화 Agent</b>
시각화 Agent
시각화 코드를 작성하고, Code Interpreter를 통해 실행합니다.
ImageSlide<b>결과 정리 Agent</b>
결과 정리 Agent
데이터 분석 결과를 문서화하고, 캡션을 추가하여 생성합니다.

Agent 3

다양한 데이터를 통합, 처리, 평가하는
보고서 작성과 품질 평가 및 관리 Agent

DB, API, PDF, Web 등의 다중 데이터 소스를 통합하고, 보고서 템플릿과 구조화를 사용하여 보고서 작성을 자동화하며, 보고서 평가 기준을 만들어 품질 평가까지 하는 Agent 시스템을 구현합니다.

| 멀티 에이전트 내 랭그래프의 역할
⊕ 소스별로 추출된 데이터 변환 및 병렬 처리
⊕ 보고서 생성과 품질 관리 워크플로우 관리
⊕ 전체 데이터 통합 및 품질 관리 프로세스 관리

ImageSlide<b>데이터 수집 Agent</b>
데이터 수집 Agent
다양한 소스를 통해 데이터를 수집하여 저장합니다.
ImageSlide<b>데이터 분석 Agent</b>
데이터 분석 Agent
수집된 데이터를 분석하여 인사이트를 도출합니다.
ImageSlide<b>리포트 작성 Agent</b>
리포트 작성 Agent
수집된 데이터와 분석 결과를 활용해 리포트를 작성합니다.
ImageSlide<b>품질 관리 Agent</b>
품질 관리 Agent
생성된 보고서의 일관성과 완성도를 평가합니다.
템플릿 설정 Agent
검색 쿼리에 맞는 보고서 템플릿을 구성합니다.
개선 Agent
개선 방향을 리포트 작성 과정에 반영하여 수정합니다.

강사님 소개

LLM 관련 전문 강사 변형호 강사의 친절한 LangGraph 수업

ImageSlide

※ 2023~2024 오프라인 수강생 대상 설문조사 결과

ImageSlide
ImageSlide
랭그래프의 적용 시점부터
모두가 궁금해했던 활용사례를 한 번에!

강사님의 한 마디
LLM 개발자와 강사로 활동하고 있는 변형호입니다.
이제 LLM은 단순 텍스트를 생성하는 것을 넘어서, 구조화된 출력을 통해 다양한 모듈과 호환되고, 외부 툴(Tool)과 소통하여 복잡한 기능을 해결하는 AI 에이전트로 발전하고 있습니다.

이때, LangGraph는 AI 에이전트를 개발하기 위한 최적의 라이브러리입니다.

본 과정은 LangGraph를 언제 적용해야 하는지, 어떻게 효과적으로 구조를 조직하고 활용하는지에 대한 확실한 그림을 그릴 수 있는 강의가 될 것입니다.
실무에 바로 활용할 수 있는 내용을 챙기면서도, 이론과 논문 설명을 조합하여 LLM 에이전트의 발전 과정에 대한 인사이트도 함께 얻으실 거예요.

2025년의 최신 트렌드인 Agent와 LangGraph를 이해하고 적용하는 과정이 여러분들의 현업 적용과 기술 습득에 도움이 되길 바랍니다.

변형호 강사님의 강의를 들은
수강생의 생생한 리뷰

ImageSlide
ImageSlide
ImageSlide
ImageSlide

귀에 쏙쏙 들어오는 설명!
변형호 강사님의 강의 미리보기

오직 패스트캠퍼스 수강생을 위한
오픈 커뮤니티 질의응답까지
모르는 것이 있으면 언제든지 변형호 강사님에게 직접 질문하세요.
패스트캠퍼스 강의 수강생들만 입장할 수 있는 질문방을 운영합니다.
강사님 답변 기간 : 2025.02.24 ~ 2027.01.23

LLM 기초 부록

노베이스 입문자를 위한 LLM 입문 스타터팩

  • OpenAI와
    Gemini API 사용하는 법

    OpenAI와 Gemini API 사용하며
    LLM과 API를 연동하는 법을 배웁니다.

  • 랭체인의
    구조와 개념

    LLM을 만들 때의 기본 툴인 랭체인, 그리고 랭체인 표현 언어를 배웁니다.

  • 간단한 AI 서비스
    만들기 실습

    랭체인을 이용하여 기초적인 LLM 어플리케이션을 만들어 보는 실습을 진행합니다.

랭그래프 마스터가 되는 날까지, 이 강의와 함께 하세요.

  • 오래 된 강의 아니야? 걱정 마세요.
    지속적인 업데이트를 진행할 것을 약속드립니다.

  • 실습 프로젝트를 그대로 사용할 수 있도록
    모든 프로젝트 코드를 몽~땅 제공합니다.

만약 라이브러리의 업데이트로 기존 코드가 돌아가지 않는 경우, 실습 코드의 업데이트가 진행 됩니다.
* 버전 업데이트에 따른 강의 내용 업데이트는 2027년 01월 23일까지 보장되며, 당사 사정에 따라 추가 업데이트 여부는 변동될 수 있습니다.

본 과정의 LLM 실습은
별도의 추가 비용이 발생하지 않습니다.

GPT와 같은 유료 모델뿐만 아니라, 오픈 소스를 활용한 RAG/Agent 구현 노하우까지 폭넓게 학습할 수 있습니다.

상용 LLM 모델의 무료 사용량 활용
유료 서비스의 LLM이지만 무료로 사용 가능한 언어모델
Google Gemini API
HuggingFace의 공개 LLM 활용
오픈소스 기반 LLM 언어모델
Llama 3 Qwen 2.5 Hugging Face 오픈모델

무료 모델 환경의 실습이 중요한 이유 ▼

QUESTION 1
어떤 분들이
수강하시면 좋을까요?
LLM에 대한 기초지식이 있으신 개발자,
실제 프로덕션 레벨로 LLM을 도입하고 싶은 개발자 분들께 추천드립니다.
LLM 입문자도 들을 수 있으며,
LLM 입문자가 Langchain 을 활용해서 자신이 구상한 Best 아키텍쳐로
프로젝트를 구성할 수 있도록 만들어 드리겠습니다.
QUESTION 2
어떤 기술스택들이 활용되나요?
2025년 1월 24일 기준, 최신 버전업된 버전을 다룹니다.
LangGraph와 LangChain은 최대한 최신 버전을 사용합니다.
현재 기준으로는 langgraph-0.2.62, LangChain 0.3.14인데요.
만약 라이브러리의 업데이트로 기존 코드가 돌아가지 않는 경우, 실습 코드의 업데이트를 진행할 예정입니다.
Gemini API를 사용하기 위한 langchain-google-genai 2.0.8 라이브러리도 사용합니다!
이후의 각 실습에서 사용하는 라이브러리도, 그때그때 최신 버전을 사용합니다.
QUESTION 3
수강생분들이 이번 강의를 수강한다면
어느 정도의 성장을 기대하시나요?
1. LLM을 이용한 문제 해결 능력 함양
2. LangGraph의 핵심 개념(그래프, 상태 관리)에 대한 깊이 있는 이해
3. 6가지 실전 프로젝트를 통한 실무 구현 능력 확보
4. 다양한 분기점과 모듈이 연결되는 시스템의 효율적 설계 능력 학습
5. RAG, Agent 시스템의 고도화를 통한 현업 적용 방향 인사이트
6. LLM 기술 트렌드 이해 및 적용 능력