LangGraph 실전 예제: 간단한 AI 챗봇 흐름 만들기 (초보자 가이드)

LangGraph의 개념을 이해했다면, 이제 실제로 어떻게 사용하는지 확인해보는 것이 중요합니다.

이번 글에서는 LangGraph를 활용한 간단한 AI 챗봇 흐름을 초보자도 이해할 수 있도록 단계별로 설명해보겠습니다.

복잡한 기능이 아니라 기본 구조를 이해하는 데 집중합니다.

이번 예제에서 만들 것

아래와 같은 간단한 흐름을 만들어보겠습니다.

사용자 질문 → 처리 → 답변 생성

이 구조는 LangGraph의 기본 개념을 이해하기에 가장 좋은 예제입니다.

전체 구조 이해하기

이번 예제에서는 다음 3가지 요소를 사용합니다.

• Node → 작업 수행
• Edge → 흐름 연결
• State → 데이터 전달

이 세 가지를 연결하면 하나의 AI 흐름이 완성됩니다.

Python 코드 예제

from langgraph.graph import StateGraph
from typing import TypedDict

# 상태 정의
class State(TypedDict):
    input: str
    output: str

# 노드 정의
def chatbot_node(state: State):
    user_input = state["input"]
    return {"output": f"AI 응답: {user_input}"}

# 그래프 생성
graph = StateGraph(State)

# 노드 추가
graph.add_node("chatbot", chatbot_node)

# 시작 → 노드 연결
graph.set_entry_point("chatbot")

# 그래프 컴파일
app = graph.compile()

# 실행
result = app.invoke({"input": "안녕하세요"})
print(result)

코드 쉽게 이해하기

코드를 하나씩 나눠서 보면 이해하기 쉽습니다.

1. State 정의

State는 입력과 출력을 저장하는 공간입니다.

• input → 사용자 질문
• output → AI 응답

2. Node 정의

chatbot_node는 실제 작업을 수행하는 함수입니다.

입력을 받아서 결과를 생성하는 역할을 합니다.

3. Graph 구성

StateGraph를 사용해서 전체 흐름을 구성합니다.

• 노드 추가
• 시작 지점 설정

4. 실행

invoke()를 사용해서 입력을 전달하면 전체 흐름이 실행됩니다.

흐름을 그림으로 보면

[입력] → [chatbot Node] → [출력]

이처럼 매우 단순한 구조지만, LangGraph의 핵심 개념이 모두 포함되어 있습니다.

이 구조를 확장하면?

이 기본 구조에 기능을 추가하면 더 복잡한 시스템을 만들 수 있습니다.

• 검색 기능 추가
• 조건 분기 추가
• 여러 Node 연결

이렇게 확장하면 AI Agent 형태로 발전할 수 있습니다.

초보자가 꼭 이해해야 할 포인트

이 예제에서 가장 중요한 것은 아래 3가지입니다.

• Node는 작업을 수행한다
• State는 데이터를 전달한다
• Graph는 흐름을 만든다

이 개념만 이해하면 LangGraph를 활용할 준비가 된 것입니다.

마무리

LangGraph는 처음에는 어렵게 느껴질 수 있지만, 이처럼 간단한 예제부터 시작하면 쉽게 이해할 수 있습니다.

기본 구조를 이해한 뒤에는 기능을 하나씩 추가하면서 더 복잡한 흐름을 만들어보는 것이 좋습니다.

다음 단계에서는 AI Agent 구조를 기반으로 자동화 시스템을 만드는 방법을 소개해보겠습니다.

AI 개발을 시작했다면 LangGraph 실습을 통해 직접 흐름을 만들어보는 것을 추천드립니다.