🧭 LangGraph 완전 정복 ② — 노드와 엣지: LangGraph의 최소 단위

“Node가 행동을, Edge가 흐름을 만든다.”
LangGraph의 핵심은 바로 ‘연결’이다.

---

🧩 1. LangGraph의 기본 구성요소

LangGraph는 StateGraph라는 구조를 중심으로 동작합니다.
그 내부는 크게 노드(Node) 와 엣지(Edge) 로 구성됩니다.

구성 요소	역할	예시
🟦 Node	실행 단위 (함수, 체인, LLM 호출 등)	“답변 생성”, “검색 수행”
🔶 Edge	흐름 제어 (다음 노드로 이동)	“답변 신뢰도 < 0.8 → 재시도 노드”
🧠 State	그래프 내 데이터 (컨텍스트)	질문, 답변, 검색 결과 등

LangGraph는 결국 “이 세 가지가 연결된 구조체”라고 보면 됩니다.

---

⚙️ 2. 기본 구조 코드 예시

아래는 두 개의 노드를 가진 가장 기본적인 그래프 예시입니다.
질문을 받고, 답변을 생성하는 간단한 흐름이에요.

from langgraph.graph import StateGraph
from langchain_openai import ChatOpenAI

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

# 노드 1: 입력 노드
def input_node(state: GraphState):
    print(f"사용자 질문: {state.question}")
    return state

# 노드 2: 답변 노드
def answer_node(state: GraphState):
    llm = ChatOpenAI(model="gpt-4o-mini")
    response = llm.invoke(f"Q: {state.question}\nA:")
    state.answer = response.content
    print(f"답변: {state.answer}")
    return state

# 그래프 구성
graph = StateGraph(GraphState)
graph.add_node("input", input_node)
graph.add_node("answer", answer_node)

# 노드 간 연결 (엣지)
graph.add_edge("input", "answer")

# 진입점과 종료점 지정
graph.set_entry_point("input")
graph.set_finish_point("answer")

# 실행
app = graph.compile()
result = app.invoke({"question": "LangGraph의 노드란 무엇인가?"})

---

🧠 3. 노드와 엣지의 핵심 규칙

LangGraph는 단순히 함수들을 이어붙이는 게 아닙니다.
각 노드는 반드시 상태(state)를 받고, 상태를 반환해야 합니다.

즉, 모든 노드는 다음 형태를 기본으로 합니다:

def node_name(state: GraphState) -> GraphState:
    # 상태 수정 또는 연산 수행
    return state

✅ 이 구조를 지키면, 그래프 내 데이터 흐름이 명시적으로 추적 가능해집니다.
LLM의 reasoning 결과나 API 호출 결과도 모두 상태를 통해 전달됩니다.

---

🔀 4. 조건부 분기 (Conditional Edge)

LangGraph의 진가는 바로 조건부 흐름 제어입니다.
예를 들어 “답변 신뢰도 < 0.8이면 재시도 노드로 이동” 같은 로직을 만들 수 있죠.

def check_confidence(state: GraphState):
    # 가정: LLM 답변 신뢰도를 계산했다고 치자
    confidence = 0.6
    state.confidence = confidence
    return state

def retry_node(state: GraphState):
    print("신뢰도가 낮아 재시도합니다.")
    return state

def success_node(state: GraphState):
    print("답변 신뢰도가 충분합니다.")
    return state

graph = StateGraph(GraphState)
graph.add_node("check", check_confidence)
graph.add_node("retry", retry_node)
graph.add_node("success", success_node)

# 조건부 엣지 연결
def confidence_edge(state):
    if state.confidence < 0.8:
        return "retry"
    return "success"

graph.add_conditional_edges("check", confidence_edge)

graph.set_entry_point("check")
graph.set_finish_point("success")
app = graph.compile()
app.invoke({})

📊 실행 흐름 (Mermaid 시각화):

이처럼, LangGraph의 엣지는 “조건 함수”를 통해 동적으로 결정됩니다.

---

🧱 5. 데이터 전달과 상태 전이

LangGraph는 state를 중심으로 노드 간 데이터를 전달합니다.
예를 들어 한 노드에서 생성한 answer가 다음 노드의 입력으로 전달되죠.

이것이 “프롬프트 기반 사고”와의 큰 차이점입니다.

접근 방식	데이터 전달 방식	장점
프롬프트 기반	문자열 결합 (비구조적)	단순하지만 확장성 낮음
그래프 기반	state 객체 전이 (구조적)	추적, 조건 분기, 로깅 가능

---

🔍 6. 노드 간 데이터 흐름 예시

class GraphState:
    step: int
    message: str

def node_a(state: GraphState):
    state.step = 1
    state.message = "첫 번째 노드입니다."
    return state

def node_b(state: GraphState):
    state.step += 1
    state.message += " → 두 번째 노드 실행 완료."
    print(state.message)
    return state

graph = StateGraph(GraphState)
graph.add_node("A", node_a)
graph.add_node("B", node_b)
graph.add_edge("A", "B")
graph.set_entry_point("A")
graph.set_finish_point("B")

app = graph.compile()
app.invoke({})

출력 결과:

첫 번째 노드입니다. → 두 번째 노드 실행 완료.

이처럼, 모든 데이터는 상태(State)를 통해 전달되고 진화합니다.

---

🪄 7. LangGraph를 시각화하는 방법

LangGraph는 기본적으로 graph.visualize() 메서드를 제공합니다.

graph.visualize("flow.png")

또는 Velog / Notion 등 문서 내에서는 아래처럼 Mermaid 다이어그램으로 시각화할 수 있습니다.

---

🧭 8. 다음 회차 예고

👉 3편: 상태 관리와 피드백 – Reducer & MessageGraph

여기서는 LangGraph의 Reducer, Memory, MessageGraph 구조를 활용해
대화의 맥락이 누적되는 “지속형 그래프”를 설계해볼 예정입니다.
(즉, 단순 질의응답 → 지속적 대화 흐름으로 발전)

---

🎓 9. 더 깊이 배우기 위한 고급 확장 학습 가이드

주제	학습 이유	추천 학습 방향
Graph Theory (그래프 이론)	조건부 분기와 순환 구조 설계의 수학적 기반	Directed Graph, DAG, Cycle
LangChain Runnable 구조 심화	각 노드에서 LLM, Chain, Tool을 동적으로 호출	RunnableLambda, RunnableParallel
State 병합 전략 (Reducer)	여러 노드의 결과를 하나의 상태로 통합	상태 병합 함수, accumulator 패턴
LangGraph Visualization API	대형 그래프 디버깅 및 문서화	graph.visualize(), Mermaid 자동 생성
비동기 그래프 제어	ToolNode 병렬 실행, LLM 동시 호출	async def, await app.ainvoke()
LangGraph + LangServe	그래프를 API 형태로 배포	LangServe 또는 FastAPI 연동

---

📚 핵심 요약

• LangGraph의 최소 단위는 Node와 Edge다.
• Node는 “동작”, Edge는 “흐름”을 담당한다.
• 상태(State)를 중심으로 데이터가 전이되며, 조건부 분기(Conditional Edge)로 그래프가 살아 움직인다.

👉 다음 단계는 이 흐름에 “기억(Memory)”과 “피드백(Feedback)”을 주입하는 것이다.