본문으로 건너뛰기

랭그래프(LangGraph) 따라하기 2강_그래프와 챗봇 만들기

달빛세상

2024.11.19

랭그래프(LangGraph) 따라하기 2강_그래프와 챗봇 만들기 본문 이미지

소개

[ 랭그래프 만드는 순서]

  1. 주요모듈 import

    from typing import Annotated
    from typing_extensions import TypedDict
    from langgraph.graph import StateGraph, START, END
    from langgraph.graph.message import add_messages
    from IPython.display import Image, display
    # API 키를 환경변수로 관리하기 위한 설정 파일
    from dotenv import load_dotenv
    # API 키 정보 로드
    load_dotenv()
  2. 상태(state)를 정의

class State(TypedDict):
    messages: Annotated[list, add_messages]

graph_builder = StateGraph(State)
  • 우리가 정의하는 모든 것은 현재를 입력으로 받아 state를 업데이트하는 값을 반환합니다.

  • 메시지를 직접 덮어쓰지 않고 현재 목록에 추가합니다. 이는 Annotated에 미리 빌드된 add_messages 함수를 통해 전달됩니다.

  1. 노드(node)를 추가

from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-4o-mini",temperature=0)
def chatbot(state: State):
    return {"messages": [model.invoke(state["messages"])]}

graph_builder.add_node("chatbot", chatbot)
  • 첫 번째 인수는 고유한 노드 이름입니다.

  • 두 번째 인수는 언제든지 호출될 함수 또는 객체입니다.

  1. edge 추가 (선 긋기)

    graph_builder.add_edge(START, "chatbot")
    # 그래프를 실행할 때마다 작업을 시작할 위치를 알려줍니다
    graph_builder.add_edge("chatbot", END)
    # 그래프에 "이 노드가 실행될 때마다 종료할 위치 지정정
  2. 그래프를 컴파일

from IPython.display import Image, display
# 그래프 생성
graph = graph_builder.compile()
# 그래프 시각화
display(Image(graph.get_graph().draw_mermaid_png()))
start chatbot end라는 단어가 포함된 챗봇의 다이어그램
  1. 챗봇실행 test

while True:
    user_input = input("User:")
    if user_input. lower() in ["quit", "exit", "q"]:
        print("Goodbye!")
        break
    for event in graph.stream({"messages": ("user", user_input)}):
        for value in event.values():
            print("user_input:",user_input)
            print("Assistant:", value["messages"][-1].content)
검은 화면에 한국어 텍스트

위 그래프 예제의 챗봇은 메모리 기능이 없는 상태 임

[ 도구를 사용하여 챗봇의 기능 향상]

0. Tavily 검색엔진을 tool로 구성하기

  • 챗봇이 "메모리에서" 답변할 수 없는 쿼리를 처리하기 위해 웹 검색 도구를 통합합니다.

  • 봇은 이 도구를 사용하여 관련 정보를 찾고 더 나은 응답을 제공할 수 있습니다.

from langchain_community.tools.tavily_search import TavilySearchResults

tool = TavilySearchResults(max_results=2)
tools = [tool]
tool.invoke("랭그래프에서 노드란?")
다양한 언어로 된 웹페이지 스크린샷

1~4 단계 구현

# 정리된코드
from typing import Annotated
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_core.messages import BaseMessage
from typing_extensions import TypedDict
from langgraph.graph import StateGraph
from langgraph.graph.message import add_messages
from langgraph.prebuilt import ToolNode, tools_condition
from langchain_openai import ChatOpenAI
from IPython.display import Image, display

# 1.상태설정
class State(TypedDict):
    messages: Annotated[list, add_messages]

graph_builder = StateGraph(State)

# 1.2 tool 설정
tool = TavilySearchResults(max_results=2)
tools = [tool]
llm = ChatOpenAI(model="gpt-4o-mini",temperature=0)
llm_with_tools = llm.bind_tools(tools)

# 2. 노드추가
def chatbot(state: State):
    return {"messages": [llm_with_tools.invoke(state["messages"])]}

graph_builder.add_node("chatbot", chatbot)

tool_node = ToolNode(tools=[tool])
graph_builder.add_node("tools", tool_node)

# 3. edge 추가
graph_builder.add_conditional_edges(
    "chatbot",
    tools_condition,
)
# Any time a tool is called, we return to the chatbot to decide the next step
graph_builder.add_edge("tools", "chatbot")
graph_builder.set_entry_point("chatbot")
graph = graph_builder.compile()

# 그래프 시각화
display(Image(graph.get_graph().draw_mermaid_png()))

시작, 챗봇, 도구, 종료라는 단어가 포함된 챗봇 다이어그램
  1. 챗봇 실행

from langchain_core.messages import BaseMessage
i=0
while True:
    user_input = input("User: ")
    if user_input. lower() in ["quit", "exit", "q"]:
        print("Goodbye!")
        break
    for event in graph.stream({"messages": [("user", user_input)]}):
        for value in event.values():
            i = i+ 1
            print("###########values ", i, " :", value , "\n")
            if isinstance(value["messages"][-1], BaseMessage):
                print("Assistant:", value["messages"][-1].content, "\n")
                print("#-----#", "\n")
컴퓨터 화면에 한국어 텍스트 스크린샷

결과와 배운 점

  • 랭그래프가 만만하지 않습니다. 우선은 랭체인부터 학습하길 추천 합니다

도움 받은 글 (옵션)

출처: https://langchain-ai.github.io/langgraph/tutorials/introduction/#part-1-build-a-basic-chatbot

출처2: https://www.youtube.com/watch?v=mvGp8Wz3KdI&t=240s

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

박정기 프로필 이미지
박정기2024.11.19

어려움에도 불구하고 사례 이렇게 작성해주셔서 너무 감사해요!! 우리 랭그래프 멤버들 체고!

박정기 프로필 이미지
박정기2024.11.19

랭그래프가 만만치는 않지만, 지피티, 커서, 클로드와 함께라면 AI 부스트를 통해 빠르게 구현해볼 수 있을 것 같아요

혹시 어떤 AI 툴 사용해서 코드 짜셨나요?

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기