📚 LangChain Tutorial

LangChain의 모든 것을 마스터하세요
이 종합 가이드는 초급자부터 고급 개발자까지 LangChain의 핵심 개념부터 실무 활용까지 체계적으로 학습할 수 있도록 설계된 한국어 튜토리얼입니다. 실전 프로젝트와 심화 실습을 통해 강력한 AI 애플리케이션을 구축하는 전문 역량을 키워보세요.

LangChain은 Large Language Models(LLMs)을 활용한 애플리케이션 개발을 위한 포괄적인 프레임워크입니다. 모듈형 설계와 강력한 추상화를 통해 복잡한 AI 워크플로우를 단순화하고, 개발자가 빠르게 프로덕션 수준의 AI 애플리케이션을 구축할 수 있도록 지원합니다.

🎯 핵심 기능

• LCEL (LangChain Expression Language): 체인을 구성하고 호출하는 선언적 방식으로 복잡한 워크플로우를 직관적으로 표현
• 모듈형 컴포넌트: Models, Prompts, Output parsers, Retrievers, Memory 등 재사용 가능한 구성 요소들
• RAG (Retrieval-Augmented Generation): 외부 지식 소스와 LLM을 결합하여 정확하고 최신 정보 기반 응답 생성
• 에이전트 시스템: 도구 사용, 계획 수립, 실행을 통한 자율적 문제 해결 능력
• 메모리 관리: 대화 히스토리 및 컨텍스트를 효율적으로 관리하는 다양한 메모리 구조
• 스트리밍 지원: 실시간 응답 스트리밍으로 사용자 경험 향상

⬇️ 프로젝트 다운로드

다음 명령어를 사용하여 프로젝트를 다운로드하십시오:

git clone https://github.com/teddynote-lab/langchain-tutorial.git
cd langchain-tutorial

🔧 설치 방법

UV 패키지 매니저를 사용한 설치

본 프로젝트는 uv 패키지 매니저를 사용하여 의존성을 관리합니다. 다음 단계를 따라 설치하십시오.

UV 설치 (사전 요구사항)

macOS:

# Homebrew 사용
brew install uv

# 또는 curl 사용
curl -LsSf https://astral.sh/uv/install.sh | sh

Windows:

uv 설치

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

현재 PowerShell 세션 새로고침

$env:Path = [System.Environment]::GetEnvironmentVariable("Path","Machine") + ";" + [System.Environment]::GetEnvironmentVariable("Path","User")

설치 확인

uv --version

프로젝트 의존성 설치

UV가 설치되었다면, 다음 명령어로 프로젝트 의존성을 설치하십시오:

uv sync

이 명령어는 가상 환경을 자동으로 생성하고 모든 필요한 의존성을 설치합니다.

Visual Studio Code 환경변수 추가

MacOS

Command Palette 열기: Cmd + Shift + P

"Shell Command: Install 'code' command in PATH" 입력 후 선택

터미널을 재시작하면 code . 명령어 사용 가능

Windows PowerShell

# 현재 사용자용 PATH에 추가
$vscodePath = "$env:LOCALAPPDATA\Programs\Microsoft VS Code\bin"
[Environment]::SetEnvironmentVariable("Path", $env:Path + ";$vscodePath", [EnvironmentVariableTarget]::User)

# 즉시 적용을 위해 현재 세션에도 추가
$env:Path += ";$vscodePath"

가상 환경 활성화

# 가상 환경 활성화
source .venv/bin/activate  # macOS/Linux

# 또는
.venv\Scripts\activate     # Windows

📁 프로젝트 폴더 구성

langchain-tutorial/
├── 01-LCEL/                # LangChain Expression Language 학습
│   ├── 01-Basic-LCEL.ipynb
│   ├── 02-Parallel-Components.ipynb
│   ├── 03-Conditional-Logic.ipynb
│   ├── 04-Streaming.ipynb
│   └── 05-Advanced-LCEL.ipynb
├── 02-RAG/                 # Retrieval-Augmented Generation
│   ├── 01-Basic-RAG.ipynb
│   ├── 02-Document-Loaders.ipynb
│   ├── 03-Text-Splitters.ipynb
│   ├── 04-Vector-Stores.ipynb
│   ├── 05-Retrievers.ipynb
│   └── 06-Advanced-RAG.ipynb
├── 03-Summary/             # 텍스트 요약 시스템
│   ├── 01-Map-Reduce-Summary.ipynb
│   ├── 02-Stuff-Summary.ipynb
│   ├── 03-Refine-Summary.ipynb
│   └── 04-Custom-Summary.ipynb
├── 04-Agent/               # 에이전트 시스템
│   ├── 01-Tools.ipynb
│   ├── 02-Bind-Tools.ipynb
│   ├── 03-Tool-Calling-Agent.ipynb
│   └── 04-React-Agent.ipynb
├── 05-MCP/                 # Model Context Protocol
│   ├── 01-MCP-Basics.ipynb
│   ├── 02-Custom-MCP.ipynb
│   └── 03-MCP-Integration.ipynb
├── 06-Modules/             # 핵심 모듈별 심화 학습
│   ├── 01-Basic/           # LangChain 기초 개념
│   ├── 02-Prompt/          # 프롬프트 템플릿과 엔지니어링
│   ├── 03-OutputParser/    # 출력 파서와 구조화
│   ├── 04-Model/           # 언어 모델 통합
│   ├── 05-Memory/          # 메모리 시스템
│   ├── 06-DocumentLoader/  # 문서 로더
│   ├── 07-TextSplitter/    # 텍스트 분할
│   ├── 08-Embeddings/      # 임베딩
│   ├── 09-VectorStore/     # 벡터 저장소
│   ├── 10-Retriever/       # 검색기
│   ├── 11-Reranker/        # 재순위화
│   └── 12-LangChain-Expression-Language/  # LCEL 심화
└── 99-Project/             # 실전 프로젝트
    ├── 01-Chatbot-Project.ipynb
    ├── 02-RAG-System.ipynb
    └── 03-Agent-Application.ipynb

폴더별 상세 설명

• 01-LCEL/: LangChain Expression Language의 기본 사용법부터 고급 패턴까지
• 02-RAG/: 문서 검색 및 생성 통합 시스템 구현을 위한 완전한 가이드
• 03-Summary/: 다양한 텍스트 요약 전략과 구현 방법
• 04-Agent/: 도구 사용과 자율적 의사결정이 가능한 에이전트 시스템 구축
• 05-MCP/: Model Context Protocol을 활용한 고급 통합 기법
• 06-Modules/: 각 핵심 컴포넌트별 심화 학습
  • 01-Basic/: LangChain의 기본 개념과 구조 이해
  • 02-Prompt/: 효과적인 프롬프트 템플릿 설계 및 엔지니어링 기법
  • 03-OutputParser/: LLM 출력의 구조화와 파싱 기술
  • 04-Model/: OpenAI, Anthropic 등 다양한 언어 모델 통합 방법
  • 05-Memory/: 대화 히스토리 및 컨텍스트 메모리 관리 시스템
  • 06-DocumentLoader/: 다양한 형식의 문서 로딩 및 전처리
  • 07-TextSplitter/: 효율적인 텍스트 분할 전략과 구현
  • 08-Embeddings/: 텍스트 임베딩 생성 및 활용 방법
  • 09-VectorStore/: 벡터 데이터베이스 구축 및 관리
  • 10-Retriever/: 정보 검색 시스템 설계 및 최적화
  • 11-Reranker/: 검색 결과 재순위화를 통한 정확도 향상
  • 12-LangChain-Expression-Language/: LCEL을 활용한 고급 체인 구성
• 99-Project/: 실제 비즈니스 시나리오를 위한 완성형 프로젝트

🔗 참고 링크

📚 공식 문서 및 리포지토리

• LangChain 공식 GitHub - LangChain 소스 코드 및 최신 업데이트
• LangChain 공식 문서 - 상세한 API 문서 및 가이드

🎓 학습 자료

• 테디노트 유튜브 채널 - AI/ML 관련 한국어 강의 및 튜토리얼
• RAG 고급 온라인 강의 - 체계적인 RAG 시스템 구축 강의

📄 라이센스

본 프로젝트의 라이센스 정보는 LICENSE 파일을 참조하십시오.

🏢 제작자

Made by TeddyNote LAB