개요 LangChain이 6월 16일 공개한 글에서 Fleet의 설계 의도를 처음으로 정리해 풀어 놨습니다. 핵심 주장은 단순합니다. 에이전트는 일의 모양에 맞춰 두 종류로 나뉘어야 한다는 것이죠. 일회성 질문에는 범용 채팅(General Purpose Chat)이 맞고, 같은 절차로 매주 도는 일에는 전문 에이전트(Specialized Agents)가 따로 필요하다는 이야기입니다. 두 갈래를 한 채팅창에 욱여넣으면 매번 프롬프트를 다시 쓰게 되고, 결국 채팅 스레드가 운영 매뉴얼 역할까지 떠맡게 된다는 진단이 출발점입니다. ...
LangChain이 6월 2일에 Deep Agents 쪽에 RubricMiddleware를 추가했습니다. 한 줄로 요약하면, “이 에이전트의 결과가 합격인지 아닌지"를 채점하는 서브에이전트를 끼워 넣고, 기준 미달이면 피드백을 다시 주입해 재실행시키는 루프입니다. Claude Code나 Codex의 /goal 패턴과 비슷하지만, 채점 단계를 별도 서브에이전트로 분리하고 채점자가 도구까지 호출할 수 있다는 점이 다릅니다. ...
개요 요즘 AI 에이전트 발표를 따라가다 보면 한 가지가 눈에 들어옵니다. 어느 회사도 더 이상 “우리 모델이 코드를 더 잘 짭니다"만으로는 발표를 끝내지 않는다는 점입니다. 그 다음에 반드시 따라오는 문장이 있습니다. 그리고 그 결과가 맞는지 직접 확인합니다. 6월에 쏟아진 발표들 — xAI Grok Build의 /goal, 시스코의 FAPO, 랭체인의 휴먼 인 더 루프 패턴, 그리고 그 사이에서 조용히 자리를 굳히는 OpenAI Codex CLI — 가 모두 같은 방향을 가리키고 있습니다. 에이전트 경쟁의 무게중심이 모델 성능에서 검증 루프 설계로 이동하는 중입니다. ...
에이전트가 진짜 쓸 만해지는 순간은, 우리 팀이 오랫동안 쌓아 온 판단이 그 안에 녹아 들어갈 때입니다. 문서로 정리된 매뉴얼은 그대로 떠먹이면 됩니다. 진짜 어려운 건 시니어들의 머릿속에만 있는, 말로 잘 안 풀어 본 그 직관입니다. ...
개요 법률 에이전트의 답을 LLM 심판이 채점한다고 칩시다. 한 과제에 채점 기준이 50개가 넘으면, 그걸 다 GPT-5.5나 Opus 4.7로 한 줄씩 돌리는 순간 평가 비용이 학습 비용보다 더 큰 부담이 됩니다. LangChain Labs와 Harvey 팀이 이 병목을 정면으로 다뤘습니다. 결론부터 말하면, 묶음 채점과 오픈 모델을 같이 쓰면 같은 정확도 근방에서 비용이 한 자릿수까지 떨어집니다. ...
개요 에이전트에게 일을 시키다 보면 두 가지 패턴이 보입니다. 하나는 즉흥적인 부탁이고, 다른 하나는 매주 같은 방식으로 돌아오는 반복 업무입니다. LangChain의 Brace Sproul이 2026년 6월 16일 공개한 글에서 정확히 이 분리를 다룹니다. Fleet에는 General Purpose Chat과 Specialized Agents가 따로 있는데, 같은 채팅창에 둘을 욱여넣지 않는 데에는 이유가 있습니다. ...
LangChain이 새로 공개한 LangSmith Agent Builder는 개발자만 쓰던 에이전트 세계를 일반 업무 담당자에게도 열어주는 도구입니다. 코드 한 줄 없이, 대화로 에이전트를 만들고 메모리·도구·트리거까지 붙입니다. 이번 글에서는 이 도구가 기존 노코드 자동화와 무엇이 다른지, 어떻게 동작하는지, 그리고 실무에서 어디부터 써볼 만한지 정리해 봅니다. ...
LangGraph V1 대규모 업데이트를 기반으로 한 Bloom AI 9시간 마스터클래스 전체 분석. 기초 문법부터 Memory, Multi-Agent 아키텍처까지 섹션별 핵심을 정리하고 실무 적용 포인트를 추가했다.
LangChain은 선형 체인 파이프라인, LangGraph는 에이전트가 흐름을 동적으로 결정하는 비선형 그래프다. RAG·정보 추출처럼 순서가 고정된 작업은 LangChain, 다음 행동을 AI가 판단해야 하는 멀티에이전트 시스템은 LangGraph가 적합하다.