LangChain은 대규모 언어 모델을 기반으로 하는 애플리케이션을 구축하기 위한 오픈 소스 소프트웨어 프레임워크로, 프롬프트 연결, 모델과 외부 데이터 및 도구의 연결, 그리고 여러 단계에 걸쳐 추론하는 에이전트 구축을 위한 추상화를 제공한다. 2022년 10월 개발자 해리슨 체이스가 처음 출시했으며, 초기 생성형 AI 붐 시대에 가장 널리 채택된 개발자 프레임워크 중 하나가 되었고, Python과 JavaScript 바인딩과 방대한 통합 생태계를 갖추고 있다.
이 프레임워크는 LLM 애플리케이션을 구성 가능한 "체인"으로 구성한다. 체인은 모델, 프롬프트, 파서, 외부 서비스에 대한 호출의 시퀀스이다. 가장 일반적인 사용 사례는 검색 증강 생성으로, 체인이 벡터 데이터베이스에서 관련 문서를 검색한 후 이를 컨텍스트로 모델에 전달하여 Hallucination (AI)을 줄이고 특정 말뭉치에 기반한 답변을 제공한다.
역사
LangChain의 2022년 10월 출시는 ChatGPT의 등장 직전과 거의 정확히 일치했으며, 다음 달 ChatGPT 출시 이후 개발자들이 OpenAI 및 다른 연구소의 API 위에 자체 애플리케이션을 구축하기 위해 몰려들면서 프레임워크에 대한 관심이 급격히 가속화되었다. LangChain Inc는 2023년에 설립되었고, 프로젝트가 검색 및 에이전트 애플리케이션 구축에 관한 튜토리얼의 기본 참조점이 되면서 시드 펀딩을 모금했다. 프레임워크는 이후 체인을 선언적으로 구성하기 위한 LangChain Expression Language(LCEL)를 도입했고, 2024년에는 상태 기반의 순환 에이전트 워크플로를 구축하기 위한 라이브러리인 LangGraph와 관찰 가능성 및 디버깅 플랫폼인 LangSmith를 출시하여, 초보자 튜토리얼에서 프로덕션급 도구로의 광범위한 전환을 반영했다.
아키텍처 및 기능
LangChain의 핵심 추상화에는 체인, 프롬프트, 메모리, 에이전트, 도구, 검색기, 출력 파서가 포함되며, 다양한 모델 제공업체와 데이터 소스 간에 혼합 및 매칭할 수 있도록 설계되었다. 다양한 제공업체의 모델, 벡터 저장소, 수백 개의 외부 도구에 연결되는 광범위한 통합 표면을 제공하며, 이 영역은 이후 업계 전반에 걸쳐 도구와 데이터 소스를 모델에 연결하는 표준화된 대안으로서 오픈 Model Context Protocol의 등장으로 보완되었다. 대화형 에이전트에 턴 간 지속성을 부여하는 메모리 모듈은 이후 컨텍스트 엔지니어링이라는 제목으로 설명된 더 광범위한 문제에 대한 초기 시도였다.
평가 및 비판
LangChain은 RAG 및 에이전트 애플리케이션의 프로토타이핑을 가속화하고 LLM 애플리케이션 생태계 전반에 걸쳐 "체인", "에이전트", "도구"와 같은 공유 어휘를 대중화한 것으로 널리 인정받고 있다. 또한 과도한 추상화 계층, 불투명한 오류 메시지, API의 빈번한 호환성 변경으로 인해 개발자 커뮤니티 일부에서 지속적인 비판을 받아왔다. 2023년에 널리 공유된 "The Problem With LangChain"이라는 에세이는 많은 프로덕션 팀이 프레임워크가 전혀 필요하지 않으며 모델 API를 직접 호출하는 것이 더 낫다고 주장했다. 검색에 초점을 맞춘 LlamaIndex와 다양한 저수준 SDK를 포함한 경쟁 프레임워크는 이러한 비판에 부분적으로 대응하여 등장했으며, 2020년대 중반까지 많은 팀은 LangChain을 전체 스택 솔루션으로 채택하기보다는 오케스트레이션이나 특히 LangGraph를 위해 선택적으로 사용했다.