🧩 LangChain 완전 이해 ③ — LangChain의 한계와 LangGraph로의 전환

“Chain은 흐름을 연결한다. 하지만 흐름을 제어하려면 그래프가 필요하다.”

---

💡 1. 들어가며

앞선 두 편에서 우리는 LangChain을 통해 LLM을 오케스트레이션(Orchestration) 하고, Chain → Memory → Agent 구조로 발전시켰습니다.

하지만 실제 프로젝트 규모가 커지면 이런 한계가 생깁니다 👇

• 조건 분기(if/else)나 루프(loop) 표현이 복잡해짐
• 상태(State)를 명시적으로 추적하기 어려움
• 여러 Chain과 Tool의 병렬 실행 제어 한계
• 실행 흐름이 길어지면 디버깅이 불편함

이제 LangChain의 내부 엔진 LCEL (LangChain Expression Language) 을 통해 구조를 이해하고, LangGraph가 이 문제를 어떻게 해결하는지 살펴보겠습니다.

---

⚙️ 2. LangChain의 실행 구조 – LCEL

LangChain은 내부적으로 LCEL이라는 표현 언어를 사용합니다.
LCEL은 Chain, Tool, Agent 등 모든 실행 단위를 하나의 “Runnable”로 다룹니다.

LCEL = LangChain Execution Language
즉, LLM 워크플로우의 “표현식”을 코드로 정의하는 언어입니다.

---

🔹 예시: LCEL 기본 흐름

from langchain_openai import ChatOpenAI
from langchain.schema.runnable import RunnablePassthrough, RunnableLambda, RunnableBranch

llm = ChatOpenAI(model="gpt-4o-mini")

def is_weather_query(x):
    return "날씨" in x["query"]

# RunnableBranch = 조건 분기
branch = RunnableBranch(
    (is_weather_query, llm.bind()),
    (lambda x: True, RunnablePassthrough())
)

result = branch.invoke({"query": "오늘 날씨 알려줘"})
print(result)

📘 동작 요약

1. 입력이 “날씨” 관련이면 → LLM 실행
2. 아니라면 → 그대로 통과

---

📈 Mermaid 다이어그램

이렇게 LCEL을 통해 조건 분기 정도는 표현할 수 있습니다.
하지만…

---

⚠️ 3. LCEL로는 부족한 이유

LCEL은 뛰어난 실행 엔진이지만, “복잡한 워크플로우 설계”에는 한계가 있습니다.

문제	설명	실제 예시
복잡한 분기 제어	분기 조건이 늘어날수록 코드 가독성 하락	if/else가 중첩됨
상태 추적의 모호성	Memory 외에 별도 상태(State) 표현 불가	대화 + 검색 + 평가 등 복합 상태 관리 불가
루프/반복 제약	재귀적 호출 외엔 루프 구현 어려움	피드백 루프나 재시도 구조 한계
시각화 부재	실행 그래프 구조를 눈으로 보기 어려움	디버깅 시 어려움
대형 시스템 확장성 부족	체인 간 연결이 하드코딩됨	유지보수 비용 급증

---

🔍 예시로 보는 한계

LangChain으로 RAG 시스템을 구성한다고 해봅시다.

Query → Retriever → LLM → Evaluator → (재검색 or 종료)

이 과정을 조건에 따라 루프시키려면 RunnableBranch와 if 조건을 반복 정의해야 합니다.

# 간단히 표현하면 이런 구조
while True:
    answer = llm.invoke(query)
    score = evaluator.invoke(answer)
    if score > 0.8:
        break
    else:
        query = retriever.invoke(query)

이건 결국 명령형 루프에 불과하며, LangChain은 이 루프를 구조적으로 표현할 수 없습니다.

즉, “실행 흐름(Flow)”을 논리적으로 설계하고 시각화할 방법이 없다는 것이죠.

---

🧩 4. LangGraph가 등장한 이유

이 한계를 해결하기 위해 LangGraph가 탄생했습니다.
LangGraph는 LangChain의 LCEL 엔진 위에 구축된 그래프 기반 워크플로우 프레임워크입니다.

항목	LangChain	LangGraph
핵심 단위	Runnable, Chain	Node, Edge, StateGraph
흐름 구조	선형(Sequential)	그래프(Graph)
상태 관리	Memory 중심	Reducer 기반 명시적 State
루프/분기	제한적	Edge 조건으로 자연스러운 표현
시각화	어려움	Mermaid, Gradio 등으로 그래프 시각화 가능

---

📈 시각적 비교

LangGraph는 바로 이 “흐름 제어의 추상화”를 담당합니다.

---

🧠 5. LangChain → LangGraph 전환 사고

사고 방식	설명
Chain 중심 사고	“LLM을 순서대로 실행하자.”
Graph 중심 사고	“LLM이 어느 상태에서 어떤 노드를 거쳐야 할까?”

LangGraph에서는 더 이상 if/else, loop 같은 명령형 코드를 직접 작성하지 않습니다.
대신 Node(동작) 와 Edge(조건) 로 흐름을 선언적으로 정의합니다.

---

⚙️ 6. LangGraph의 구조 미리 보기

from langgraph.graph import StateGraph
from langchain_openai import ChatOpenAI

# 상태 정의
class GraphState:
    question: str
    answer: str

# 노드 정의
def ask_llm(state: GraphState):
    llm = ChatOpenAI(model="gpt-4o-mini")
    response = llm.invoke(f"Q: {state.question}\nA:")
    state.answer = response.content
    return state

# 그래프 생성
graph = StateGraph(GraphState)
graph.add_node("ask_llm", ask_llm)
graph.set_entry_point("ask_llm")
graph.set_finish_point("ask_llm")

app = graph.compile()
result = app.invoke({"question": "LangGraph란 무엇인가?"})
print(result["answer"])

이제 실행 흐름은 “함수 호출”이 아니라 “그래프 탐색”으로 제어됩니다.

---

🔍 7. LangGraph가 제공하는 핵심 해결책

문제 상황	LangChain 한계	LangGraph의 해결 방식
복잡한 조건 분기	RunnableBranch 한정	Edge 조건으로 선언적 표현
루프/재시도	재귀 코드 필요	Edge 루프 구조로 자연스러운 반복
상태 관리	단일 Memory 객체	Reducer 기반 State 트래킹
병렬 실행	RunnableParallel로 제한	여러 Node 병렬 실행 지원
디버깅/시각화	어려움	Mermaid·Gradio 시각화 가능

---

🎯 8. 정리 — LangGraph가 필요한 이유

LangChain이 “기능 중심”이라면, LangGraph는 “흐름 중심”입니다.

구분	LangChain	LangGraph
철학	기능을 조합한다	흐름을 설계한다
단위	Chain	Node + Edge
사고방식	절차적	선언적
초점	Prompt / Tool	상태 / 경로 / 조건
결과물	LLM 체인	LLM 시스템

LangChain은 여전히 LangGraph의 기반으로 사용되며, LangGraph는 그 위에서 LLM 시스템 설계의 차원을 끌어올립니다.

---

🎓 9. 더 깊이 배우기 위한 고급 확장 학습 가이드

주제	학습 이유	추천 방향
LCEL 구조	LangGraph의 런타임 기반	Runnable, RunnableBranch 실습
Reducer 패턴	상태 누적 방식 이해	Python 함수형 프로그래밍 복습
Async Flow 제어	비동기 노드 처리 학습	asyncio, gather 활용
Graph Visualization	시각적 디버깅 익히기	Mermaid, Gradio 실습
LangServe / MCP	LangGraph 배포와 서비스화	LangServe 문서 실습

---

📚 10. 마무리 요약

항목	요약
핵심 개념	LCEL은 실행 엔진, LangGraph는 구조 설계 엔진
핵심 코드	RunnableBranch 예시, StateGraph 예시
핵심 인사이트	“Chain의 한계를 넘은 그래프 기반 제어”
다음 편 예고	🚀 LangGraph 완전 정복 ① — LangGraph란 무엇인가

---

🧭 한 줄 요약

LangChain은 “LLM을 실행하는 법”을 알려준다.
LangGraph는 “LLM이 어떻게 사고하고 흐름을 제어할지”를 설계하게 한다.