1.Langgrah Intro

Langgraph의 필요성

• 완전 자율 AI에게 명령은 계획, 설계, 실행, 재귀적 테스트 수행을 한다. 이것이 위험이다.
• 어떤 방향성으로 진행 되는지 모르며, '할루이네이션 폭팔' 현상이 발생한다.
• 하지만 너무 LLM을 정해진 틀 안에서 사용하는것은 AI의 가능성을 제한한다. 그 정답은 사이에 있으며 lang graph가 그것을 구현해준다.
• 따라서 자율적인 AI의 장점과 + 의도한 결과물까지 정합성 2가지를 모두 챙길 수 있는 에이전트 런타임이다.

Langgraph : LLM을 State Machine 기반 워크플로우 안에서 통제하는 에이전트 런타임.

Github : https://github.com/emarco177/langgraph-course/tree/main

Agent 패턴

Agent 패턴	핵심 개념	대표 흐름	주요 목적	LangGraph 핵심 요소	실무 활용 예시
ReAct Agent	Thought + Action + Observation loop	Reason → Tool → Observe → Repeat	기본 tool calling agent	loop edge, tool node	검색 봇, API assistant
Router Agent	질문별 routing	Query → Classifier → Specialized Agent	task 분기	conditional edge	코드/검색/금융 분리
Supervisor Multi-Agent	상위 agent가 하위 agent orchestration	Supervisor → Sub Agents	역할 분리 및 협업	shared state, delegation	Research + Coding + QA agent
Reflection Agent	자기 결과 비평	Generate → Critique → Improve	품질 향상	retry loop	코드 개선, hallucination 감소
Reflexion Agent	실패 기억 기반 개선	Attempt → Reflect → Retry	self-improving agent	memory + retry	autonomous debugging
Planning Agent	계획 후 실행	Planner → Steps → Executor	긴 task 안정화	planner node	research workflow
Human-in-the-loop	사람 승인 삽입	Agent → Approval → Continue	안전성 확보	interrupt/resume	deploy 승인
Tool-Augmented Agent	외부 도구 적극 사용	LLM ↔ Tools	capability 확장	tool executor	SQL/browser/python
Basic RAG Agent	retrieval 기반 응답	Retrieve → Generate	grounding	retriever node	문서 QA
Corrective RAG (CRAG)	retrieval 품질 검증	Retrieve → Evaluate → Retry	검색 품질 향상	evaluator node	low-quality retrieval 보정
Self-RAG	retrieval 필요 여부 자가 판단	Decide → Retrieve → Verify	비용/정확도 최적화	conditional graph	adaptive QA
Adaptive RAG	질문 난이도별 전략 변경	Classify → Different RAG Flow	동적 workflow	routing graph	enterprise search
Tree Search Agent (LATS)	여러 reasoning path 탐색	Multi-path → Evaluate → Select	System 2 reasoning	branching graph	복잡한 문제 해결
Stateful Workflow Agent	상태 기반 workflow orchestration	Nodes + Shared State	durable workflow	graph state	long-running workflow
Validation Agent	출력 검증	Output → Validate → Approve	안전성/정확성	validation node	schema validation
Security Agent	보안 정책 검사	Input → Policy Check → Execute	safe execution	guardrail node	prompt injection 방어
Evaluation Agent	결과 scoring/eval	Output → Judge → Score	품질 평가	evaluator graph	LLM eval pipeline
Memory Agent	장기/단기 기억 활용	Retrieve Memory → Generate	personalization	checkpoint/store	persistent assistant
Collaborative Agent	agent 간 peer collaboration	Agent ↔ Agent	collective reasoning	message passing	debate architecture
Autonomous Agent	목표 기반 자율 반복 실행	Goal → Plan → Execute → Retry	autonomous workflow	persistent loop	autonomous research
Event-Driven Agent	이벤트 기반 실행	Event → Trigger → Action	reactive system	async node	monitoring automation
Hierarchical Agent	계층형 orchestration	Manager → Worker → Specialist	large-scale orchestration	nested graph	enterprise AI workflow
Critic-Generator Pattern	생성 + 평가 분리	Generator → Critic → Revise	품질 향상	dual-node loop	writing/code review
Debate Agent	다중 관점 토론	Agent A ↔ Agent B → Judge	reasoning robustness	multi-branch graph	decision support
Verification Agent	결과 검증 전용	Solve → Verify → Finalize	factual correctness	verifier node	math/code validation
Workflow DAG Agent	DAG 기반 task execution	Directed Task Graph	deterministic orchestration	DAG edges	ETL + AI workflow
Long-running Durable Agent	checkpoint/recovery 지원	Execute → Persist → Resume	안정적 장기 실행	checkpoint engine	async enterprise agent
Streaming Agent	partial output streaming	Node → Stream UI	실시간 UX	streaming state	assistant-ui 연동
UI-aware Agent	UI state 직접 제어	Agent → UI Action	interactive UX	UI message state	Copilot/assistant UI
Guardrailed Tool Agent	tool execution 제한	Policy → Tool Call	안전한 tool 사용	permission layer	금융/사내 시스템