LangGraph 3개월 실전 후기, LangChain 제치고 이거 쓰는 이유

이거 좀 미쳤거든요. AI 에이전트 만드는 거 그동안 LangChain으로 했었는데, LangGraph로 갈아탄 지 3개월. 다신 LangChain 안 돌아갈 것 같아요. 진짜로.

오늘은 실전 후기 적어봅니다.

LangGraph가 뭔지부터

같은 LangChain 회사가 만든 거. 근데 결이 완전 달라요. LangChain은 "체인"이고 LangGraph는 "그래프". 노드끼리 자유롭게 연결되고, 조건 분기, 루프, 사람 확인 단계까지 다 가능해요.

한 줄로 — 진짜로 복잡한 AI 에이전트 만들려면 LangGraph가 정답이에요.

왜 LangChain이 답답했냐

제가 회사에서 고객 문의 자동 처리 시스템 만들고 있거든요. 처음엔 LangChain으로 짰어요. 근데 케이스가 늘어나니까 코드가 진짜 더러워졌어요.

"이 경우엔 환불 처리, 저 경우엔 추가 질문, 또 다른 경우엔 사람한테 넘김." 이런 분기들. LangChain에선 이거 표현하기가 진짜 짜증나요. 결국 if-else 지옥.

LangGraph로 갈아탔더니 — 분기마다 노드 만들고 화살표 그리면 끝. 코드가 진짜 깔끔해요.

실제 코드 차이 한 번 보세요

제가 만든 에이전트 — 사용자 질문 → 의도 분류 → 환불/배송/일반 셋 중 분기 → 각자 처리 → 답변 생성.

LangChain으로 짰을 땐 380줄. LangGraph로 다시 짜니까 140줄. 그것도 훨씬 읽기 쉬워요.

제일 좋았던 건 그래프 시각화. LangGraph는 노드 연결 구조를 그림으로 그려줘요. 동료한테 설명할 때 이거 한 장으로 끝나요.

사람 확인 단계가 진짜 강점

실제 서비스에서 자주 필요한 게 "AI가 결정한 거 사람이 한 번 확인". LangGraph는 이게 기본 기능이에요.

interrupt 한 줄 박으면 그 노드에서 멈춤. 슬랙으로 알림 가고, 담당자가 OK/NO 누르면 다시 진행. 환불 같은 민감한 작업에 이게 진짜 중요해요.

LangChain에선 이거 직접 구현해야 했는데, LangGraph는 빌트인. 시간 진짜 많이 아꼈어요.

상태 관리가 깔끔함

에이전트 만들다 보면 상태가 복잡해져요. 사용자 정보, 대화 히스토리, 중간 결과 같은 거. LangGraph는 TypedDict로 상태를 명시적으로 정의해요. 타입 체크 됨.

LangChain에서 dict 던지고 받고 하던 거랑 비교하면 진짜 천국이에요. 버그도 훨씬 적게 나요.

단점도 있어요 솔직히

학습 곡선이 좀 가파름. LangChain 쓰던 사람이 와도 처음에 헤매요. 그래프 사고방식이 익숙해질 때까지 1~2주 걸려요.

그리고 한국어 자료가 아직 부족해요. 영어 문서랑 GitHub 이슈 뒤져야 함. (저도 이거 때문에 새벽 3시에 GitHub 이슈 50개 읽었음.)

LangSmith랑 같이 쓰면 진짜 좋음

LangGraph 실행 과정을 LangSmith가 다 추적해줘요. 어느 노드에서 시간 오래 걸리는지, 어떤 분기로 갔는지 다 보여요.

디버깅할 때 이게 진짜 미친 도구예요. 프로덕션 가기 전에 무조건 붙이세요.

그래서 누구한테 추천?

간단한 챗봇이면 LangChain으로 충분. 분기 많고 사람 개입 필요한 복잡한 에이전트면 LangGraph로 가세요.

저처럼 LangChain으로 짜다가 코드 더러워진 분은 무조건 갈아타셔야 합니다. 한 번 갈아타면 진짜 후회 안 해요.

여러분도 한번 써보시고 어떤 점이 제일 좋았는지 댓글로 남겨주세요. 다음 편에선 LangGraph 실전 예제 코드 들고 올게요.