랭체인(LangChain)은 챗GPT API와 같은 언어모델 기반의 앱 개발을 할 수 있게 도와주는 프레임워크입니다. 언어모델 기반의 앱 개발을 할 때 시도해 볼 수 있는 랭체인의 5가지 기능을 정리했습니다.
RAG - 외부 정보를 가 지고 와서 AI가 학습하지 못한 내용도 답변하기
언어모델은 학습하지 않은 내용을 대답할 수 없어 앱 서비스에 도입하기 어려운 지점이 있습니다. 외부에서 찾은 정보에 AI가 추가적인 분석을 더해 답변하는 RAG로 이를 해결할 수 있습니다. 수인 분당의 맛집을 구글에서 찾아와 답변하는 것도 가능합니다. 김재현 님께서 RAG를 이용하여 구글에서 맛집 정보를 가지고 와 챗GPT API가 답변하는 것을 만들었습니다.
사례 자세히 보기 →
체인 - 여러 도구를 조합해 결과물을 만들기
유튜브 영상으로 영어 문제를 만들어주는 AI 앱을 개발할 때, 유튜브 스크립트를 얻는 과정과 AI의 도움으로 문제를 만드는 과정이 있어야 합니다. 이렇게 여러 도구를 사용하는 것을 랭체인에서는 체인(chains)이라고 부릅니다.
랭체인에서는 이미 여러 도구가 구현되어 있어서 잘 조합하는 것만으로 앱 개발이 가능합니다. 허세임 님께서 유튜브에서 영어 문제를 만들어주는 것을 랭체인의 체인을 이용하여 구현했습니다. 도구를 조합해 빠르게 AI 서비스를 만들 수 있었습니다.
사례 자세히 보기 →
문서 로더 - 웹페이지나 PDF에서 자료를 가지고 오기
랭체인에서는 유튜브나 이미지, PDF 등에서 정보를 가지고 올 수 있습니다. 이를 문서 로더(DocumentLoader)라고 합니다. 이미지 로더를 이용하면 이미지에 대한 설명을 얻을 수 있습니다.
정정민 님께서 이미지 로더를 이용하여 제목학원 서비스를 구현한 사례를 공유해주셨습니다. 랭체인의 이미지 로더로 이미지를 파악하고 이를 기반으로 언어모델이 재미있는 답변을 하도록 서비스를 구현했습니다.
사례 자세히 보기 →
멀티턴 대화 - 여러번의 대화로 결과물을 만들기
챗GPT를 사용할 때 여러 번의 대화로 더 좋은 답변을 얻는 것 처럼, 랭체인에서도 여러 번의 대화로 더 좋은 답변을 얻을 수 있습니다. 이를 멀티턴이라고 합니다.
멀티턴 대화를 통해 언어모델의 성능을 파악하는 사례가 있습니다. 샘호트만 님께서는 어떤 AI가 성능이 좋은지 비교하기 위해 랭체인의 멀티턴 대화를 이용하였습니다. 사람의 개입없이 AI끼리 대화를 나누고 어느 답변이 좋은지 평가한 방식이 인상적이었습니다.
사례 자세히 보기 →
에이전트 - 어떤 행동을 할지 AI가 선택하게 하기
AI가 스스로 어떤 행동을 할지 선택하는 것을 에이전트(Agent)라고 합니다. 김이언 님은 사용자의 요청을 보고 csv 파일에서 어떤 그래프를 그릴지 AI 스스로 선택하게 만들었습니다.
사용자가 텍스트로 요청을 하면 AI가 그래프를 그릴 수 있는 파이썬 코드를 생성해 화면에 구현합니다. 요청에 따라 AI가 스스로 그래프를 만든 지점이 인상적이었습니다.
사례 자세히 보기 →
랭체인의 RAG, 체인, 문서로더, 멀티턴 대화, 에이전트 기능을 5가지 사례를 기반으로 살펴보았습니다.
AI 서비스는 랭체인을 통해 만들 수 있습니다. 랭체인의 기본 개념과 구조를 이해하고 AI 서비스를 만드는 스터디를 모집하고 있습니다. 만드는 과정을 서로 공유하며 다른 사람이 어떻게 AI 서비스를 만드는지 알게 됩니다.