AI 에이전트와 LangGraph의 기초 (2)

스트리밍, 메시지세이버, 리듀서

  • 딥러닝 프로젝트
  • 3 시간 6 스테이지
  • 106 명

프로젝트 설명

어떤 프로젝트일지 시작하기 전에 읽어보세요

무엇을 다루는 교재인가요?

이 교재는 LangGraph를 활용한 실전형 대화형 AI 개발을 목표로, 상태 관리, 대화 기록 유지, 멀티턴 챗봇, 실시간 스트리밍 등 실제 서비스 수준의 기술을 단계별로 익힐 수 있도록 설계되어 있습니다.

여행 계획 챗봇 프로젝트를 중심 사례로 삼아, 초보자도 따라할 수 있도록 리듀서의 원리와 적용, 대화 히스토리의 누적 및 관리, 여러 사용자의 대화를 동시에 처리하는 세션 분리, 그리고 invoke/stream 방식에 따른 사용자 경험 설계까지, 대화형 AI 개발에 꼭 필요한 핵심 기술들을 실습 중심으로 안내합니다.

각 스테이지는 “왜 이런 기능이 필요한가?”, “실제 코드에서는 어떻게 구현되는가?”, “어떤 부분이 서비스 품질과 직결되는가?”
이런 질문에 직접 답할 수 있도록, 이론-실습-비교-확장 흐름을 따라 단계적으로 구성되어 있습니다.


이번 교재에서 배워요.

스테이지 1~2

LangGraph의 상태 누적과 리듀서 활용

- 리듀서의 개념과 역할 이해
- add_messages, operator.add 등 다양한 리듀서를 활용한 상태(메시지, 카운터 등) 누적
- 상태 업데이트 방식(수동 vs. 리듀서)의 차이 비교

스테이지 3~4

대화 기록의 지속성, 메시지 세이버와 멀티 세션

- 대화 상태의 지속성과 필요성 이해
- 메시지 세이버(Message Saver)와 MemorySaver를 활용해 대화 히스토리 저장
- thread_id(스레드 아이디)를 사용해 여러 사용자 또는 여러 대화 세션을 독립적으로 관리하는 방법 실습

스테이지 5~6

챗봇 응답 방식: invoke vs. stream 실시간 처리

- invoke()와 stream()의 차이와 각각의 실행 흐름
- 전체 결과 반환 vs. 실시간 스트리밍의 경험적 차이
- 각 방식의 코드 구현, 중간 결과 청크 처리, 실무적 장단점 분석

학습이 끝나면 이런 것들을 할 수 있어요.

LangGraph의 리듀서와 상태 누적 구조를 이해하고, 직접 멀티턴 대화 챗봇을 구현할 수 있습니다.

대화 기록을 여러 턴에 걸쳐 저장하고, 사용자의 후속 질문에도 맥락을 유지하는 챗봇 시스템을 만들 수 있습니다.

여러 사용자가 동시에 이용해도 각자의 대화 기록이 섞이지 않도록 세션별(스레드별)로 독립적인 대화 흐름을 관리할 수 있습니다.

invoke와 stream 실행 방식을 상황에 따라 적절히 선택하여, 원하는 사용자 경험을 제공할 수 있습니다.

이런 분들에게 추천해요.

LLM + 툴 활용 예제를 처음부터 차근차근 직접 실습해보고 싶은 비전공자

LLM 기반 프로젝트에 이제 막 입문하는 초보 개발자

복잡한 이론보다, 실제 코드와 결과를 보며 배우는 게 더 잘 맞는 분

LangChain이나 LangGraph를 실제 코드로 직접 따라해보고 싶은 분

프로젝트 과정

차근차근 단계를 밟아 학습해보세요.

스테이지 6 개

1. LangGraph 리듀서(Reducer) 기반 멀티턴 여행 챗봇 구현
2. QUIZ - 리듀서(Reducer) 이해하기
3. 메시지 세이버(Message Saver)를 활용한 상태 관리
4. QUIZ - 메시지 세이버(Message Saver) 이해하기
5. 여행 계획 챗봇에서 invoke() vs stream() 비교
6. QUIZ - stream() 이해하기

내 학습 진도

1. LangGraph 리듀서(Reducer) 기반 멀티턴 여행 챗봇 구현
데이스쿨 picture

데이스쿨

안녕하세요! 🙋‍♀️ 데이스쿨은 인공지능 초/중급 학습자를 위한 프로젝트 학습, 해커톤, 트랙으로 구성된 학습 플랫폼이에요. 부단한 연습과 매일의 작은 노력을 통해 여러분의 학습 목표를 달성해 보세요. 🏆 여러분의 성공을 위해 데이스쿨이 함께 할게요. 🎉 📧 문의: dacon0school@gmail.com

더보기