LangChain 개요

---

1. LangChain이란?

LangChain은 대형 언어 모델(LLM) 을 쉽고 체계적으로 다룰 수 있도록 도와주는 파이썬 프레임워크입니다.

“LLM을 하나의 API로 끝내지 않고, 프롬프트 설계 → 모델 실행 → 결과 처리 → 메모리/도구 확장까지 단계적으로 조합할 수 있게 해주는 도구”입니다.

과거에는 OpenAI, Gemini, Ollama 등 각각의 모델 API를 따로 호출해야 했지만, LangChain을 사용하면 공통 인터페이스로 다양한 모델을 연결할 수 있습니다.

---

2. LangChain의 핵심 구성요소

구성요소	역할	예시 클래스	설명
PromptTemplate	입력 설계	ChatPromptTemplate	사용자 입력을 템플릿 형태로 구성
Model(LLM)	모델 호출	ChatOpenAI, ChatGoogleGenerativeAI, OllamaLLM	실제 LLM API와 연결
OutputParser	결과 처리	StrOutputParser, JsonOutputParser	모델의 응답을 사람이 쓰기 좋은 형태로 변환
Memory	대화 맥락 유지	ConversationBufferMemory 등	이전 대화를 기억하여 응답 품질 향상
LCEL	실행 파이프라인	prompt | llm | parser	체인을 연결하는 최신 방식
Tool / Agent	외부 기능 호출	create_tool_calling_agent	검색, 계산기, API 연동 등

---

3. 최신 패키지 구조 (LangChain v1)

LangChain은 2024년 이후 모듈이 분리되었습니다. 이제 하나의 패키지가 아닌 여러 모듈로 나뉩니다.

langchain-core          → 기본 구조 (Runnable, LCEL 등)
langchain-openai        → OpenAI 모델 (GPT 계열)
langchain-google-genai  → Gemini 모델
langchain-ollama        → Ollama 로컬 모델
langchain-community     → 커뮤니티 통합 기능 (Loaders, Tools 등)

✅ 핵심 요약: langchain-core는 모든 프로젝트에 필수이며, 나머지는 필요한 모델/기능에 따라 선택 설치합니다.

---

4. 기본 사용 예제

0) 설치 및 환경 구성

pip install langchain langchain_community langchain_ollama langchain-openai langchain_google_genai python-dotenv

프로젝트 디렉토리에 .env 파일을 만들고 다음과 같이 API 키를 저장합니다 (따옴표 없이 입력):

OPENAI_API_KEY=sk-********************
GOOGLE_API_KEY=AI***********

import langchain
from dotenv import load_dotenv
import os

load_dotenv()

print(f"langchain version: {langchain.__version__}")
print(f"OPENAI_API_KEY: {os.getenv('OPENAI_API_KEY') is not None}")
print(f"GOOGLE_API_KEY: {os.getenv('GOOGLE_API_KEY') is not None}")

🧠 1) Ollama 모델 예시

from langchain_ollama import OllamaLLM
from langchain_core.prompts import ChatPromptTemplate

ollama_url = "http://127.0.0.1:11434"  
llm = OllamaLLM(model="gemma3:1b", base_url=ollama_url)
prompt = ChatPromptTemplate.from_template("{city}에서 가장 유명한 랜드마크는?")

chain = prompt | llm
response = chain.invoke({"city": "서울"})

print(response)

🧠 3) lmstudio 모델 예시

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

lmstudio_url = "http://127.0.0.1:1234/v1"
llm = ChatOpenAI(model="gemma-3-4b-it", base_url=lmstudio_url, api_key="dummy")

prompt = ChatPromptTemplate.from_template("{city}에서 가장 유명한 랜드마크는?")

chain = prompt | llm
response = chain.invoke({"city": "서울"})

print(response.content)

🧠 4) OpenAI 모델 예시

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

llm = ChatOpenAI(model="gpt-5-nano")

prompt = ChatPromptTemplate.from_template("{city}에서 가장 유명한 랜드마크는?")

chain = prompt | llm
response = chain.invoke({"city": "서울"})

print(response.content)

🤖 5) Gemini 모델 예시

from langchain_google_genai import ChatGoogleGenerativeAI
from langchain_core.prompts import ChatPromptTemplate

llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash", api_key=os.getenv("GOOGLE_API_KEY"))

prompt = ChatPromptTemplate.from_template("{city}의 대표적인 음식은?")

chain = prompt | llm
result = chain.invoke({"city": "파리"})

print(result.content)

✅ .invoke()는 LCEL에서 표준 실행 메서드입니다. 예전의 .run()보다 더 강력하고 유연합니다.

---

5. LCEL (LangChain Expression Language)

LCEL은 LangChain 1.x 버전 이후 도입된 표현 언어(파이프라인 연결 시스템) 입니다.

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

prompt = ChatPromptTemplate.from_template("{topic}에 대한 한 문장 요약을 작성해 주세요.")
llm = ChatOpenAI(model="gpt-5-nano")
parser = StrOutputParser()

chain = prompt | llm | parser

result = chain.invoke({"topic": "LangChain"})
print(result)

📊 데이터 흐름 시각화:

입력 → Prompt → LLM → Parser → 출력

이처럼 LCEL은 각 단계를 Runnable 객체로 연결하여, 직관적이고 디버깅하기 쉬운 구조를 제공합니다.

---

6. 정리 요약

핵심 개념	설명
LangChain	LLM 기반 애플리케이션 개발 프레임워크
LCEL	LangChain Expression Language, 체인 연결 방식
invoke()	LCEL 실행 메서드 (이전 run() 대체)
Runnable	LangChain의 모든 실행 가능한 단위 객체
Prompt LLM Parser	LCEL 파이프라인의 기본 구성

✅ 한 줄 요약:
LangChain은 LLM을 단순 호출에서 벗어나, “프롬프트 → 모델 → 결과”의 체계를 손쉽게 조립하는 플랫폼입니다.