LLM 애플리케이션은 단순히 모델 API를 한 번 호출하는 데서 끝나지 않습니다. 실제 서비스에서는 프롬프트를 관리하고, 문서를 검색하고, 대화 상태를 유지하고, 외부 도구를 안전하게 실행하며, 운영 환경에서 비용과 품질을 추적해야 합니다. 이 책은 그 복잡한 연결 구조를 LangChain으로 차근차근 조립하는 방법을 안내합니다.
처음에는 Python 환경을 구성하고 prompt | model | parser 형태의 작은 체인을 만드는 것부터 시작합니다. 이후 메시지 인터페이스, 프롬프트 템플릿, LCEL, 메모리, 문서 로딩, 임베딩과 벡터스토어를 거쳐 기본 RAG와 고급 RAG 패턴까지 확장합니다. 단순한 예제에 머물지 않고, 왜 이런 구조가 필요한지와 어떤 지점에서 품질 문제가 생기는지를 함께 설명합니다.
후반부에서는 도구 호출, LangChain 에이전트, LangGraph 기반 상태ful 워크플로, LangSmith를 통한 디버깅과 평가, FastAPI 기반 운영 배포와 성능 최적화까지 다룹니다. 마지막 실전 프로젝트 장에서는 사내 문서 Q&A 챗봇, 비정형 문서 분석, 리서치 에이전트, CSV·SQL 분석 보조 도구를 통해 배운 구성요소를 실제 업무형 애플리케이션으로 묶어 봅니다.
이 책의 목표는 LangChain의 모든 API를 외우게 하는 것이 아닙니다. 어떤 문제를 만나면 어떤 구성요소를 선택해야 하는지, 모델에게 맡길 일과 소프트웨어가 책임져야 할 일을 어떻게 나눌지 판단하는 힘을 길러 주는 것입니다.
