스킬 langchain-architecture
📦

langchain-architecture

안전

LangChain 프레임워크로 LLM 애플리케이션 구축하기

또한 다음에서 사용할 수 있습니다: sickn33,wshobson

프로덕션급 LLM 애플리케이션을 구축하려면 복잡한 아키텍처 패턴을 이해해야 합니다. 이 스킬은 에이전트, 체인, 메모리 관리 및 도구 통합을 위한 검증된 LangChain 패턴을 제공합니다.

지원: Claude Codex Code(CC)
🥉 75 브론즈
1

스킬 ZIP 다운로드

2

Claude에서 업로드

설정 → 기능 → 스킬 → 스킬 업로드로 이동

3

토글을 켜고 사용 시작

테스트해 보기

"langchain-architecture" 사용 중입니다. 메모리를 포함한 기본 대화형 체인 설정

예상 결과:

  • 채팅 기록을 위한 ConversationBufferMemory 초기화 완료
  • 대화 프롬프트 템플릿과 함께 LLMChain 생성
  • 입력/출력 쌍을 저장하도록 메모리 구성
  • 컨텍스트 유지를 통한 멀티턴 대화 준비 완료

"langchain-architecture" 사용 중입니다. 검색 및 계산기 도구를 갖춘 에이전트 구축

예상 결과:

  • 웹 검색 쿼리를 위한 serpapi 도구 로드 완료
  • 수학 계산을 위한 llm-math 도구 로드 완료
  • ReAct 추론 패턴을 사용하여 에이전트 초기화
  • 에이전트가 'SF 의 날씨는? 그 다음 25 * 4 를 계산해'라는 질문에 검색 날씨 데이터를 조회하고 결과를 계산하여 성공적으로 답변

보안 감사

안전
v1 • 2/25/2026

All 27 static analysis findings were evaluated and determined to be false positives. The external_commands detections (20 locations) incorrectly identified Markdown code block backticks as Ruby/shell execution. The blocker findings for weak cryptography and network reconnaissance were pattern mismatches on documentation text. This is a legitimate LangChain tutorial and architecture guide with no security concerns.

1
스캔된 파일
353
분석된 줄 수
0
발견 사항
1
총 감사 수
보안 문제를 찾지 못했습니다
감사자: claude

품질 점수

38
아키텍처
100
유지보수성
87
콘텐츠
50
커뮤니티
100
보안
100
사양 준수

만들 수 있는 것

고객 지원 챗봇

지식 베이스를 검색하고 대화 컨텍스트를 유지하며 필요시 복잡한 문제를 인간 상담원에게 에스컬레이션할 수 있는 지능형 고객 지원 에이전트를 구축합니다.

문서 분석 파이프라인

대규모 문서 컬렉션을 처리하고 핵심 정보를 추출하며 RAG(retrieval augmented generation) 를 사용하여 문서 콘텐츠를 기반으로 질문에 답변하는 시스템을 생성합니다.

멀티툴 AI 어시스턴트

검색 API, 계산기 및 데이터베이스를 포함한 여러 도구를 선택하고 사용하여 복잡한 작업을 완료할 수 있는 자율 에이전트를 개발합니다.

이 프롬프트를 사용해 보세요

기본 LangChain 설정 
간단한 LangChain 애플리케이션을 구축하고 싶습니다. LLM, 프롬프트 템플릿 및 체인을 포함한 기본 구성요소를 설정하는 것을 도와주세요. 제 사용 사례는 다음과 같습니다: [사용 사례 설명].
RAG 구현 
문서를 위한 retrieval augmented generation 시스템을 구축해야 합니다. [소스] 에서 문서를 로드하고 적절히 분할하며 임베딩을 생성한 후 질문 답변을 위한 검색 체인을 설정하는 과정을 안내해 주세요.
맞춤형 도구와 함께 사용하는 에이전트 
다음 맞춤형 도구를 사용할 수 있는 LangChain 에이전트를 생성하세요: [도구 목록]. 에이전트는 사용자 요청에 따라 어떤 도구를 사용할지 추론해야 합니다. 디버깅을 위한 적절한 오류 처리와 상세 로깅을 포함하세요.
프로덕션 준비 아키텍처 
프로덕션 배포를 위해 제 LangChain 애플리케이션 아키텍처를 검토해 주세요. 고려 사항: 장기간 대화를 위한 메모리 관리, 비용 최적화를 위한 캐싱 전략, 가시성을 위한 콜백 핸들러, 안정성을 위한 오류 처리. 현재 설정: [아키텍처 설명].

모범 사례

  • 대화 길이에 따라 메모리 유형 선택: 짧은 상호작용에는 버퍼 메모리 사용, 긴 대화에는 요약 메모리 사용, 관련 기록의 의미적 검색이 필요할 경우 벡터 스토어 메모리 사용
  • 에이전트가 각 작업에 적합한 도구를 선택할 수 있도록 명확하고 설명적인 도구 정의 제공
  • 초기부터 토큰 사용량, 지연 시간 및 오류를 로깅하는 가시성을 위해 콜백 핸들러를 일찍 구현

피하기

  • 제한 없이 전체 대화 기록을 저장하여 컨텍스트 윈도우 오버플로우 및 비용 증가 초래
  • 에이전트가 각 도구를 언제 사용해야 하는지 혼동하게 만드는 제너릭한 도구 정의 사용
  • 에이전트 실행에 대한 오류 처리를 건너뛰어 에이전트가 작업을 완료하지 못할 경우 실패 발생

자주 묻는 질문

LangChain 이란 무엇이며 왜 사용해야 하나요?
LangChain 은 언어 모델 기반 애플리케이션 개발을 위한 프레임워크입니다. 체인, 에이전트, 메모리 및 도구 통합을 위한 모듈식 구성요소를 제공하여 복잡한 LLM 애플리케이션 구축을 단순화합니다.
애플리케이션에 적합한 메모리 유형을 어떻게 선택하나요?
10 개 미만 메시지의 짧은 대화에는 ConversationBufferMemory 를 사용하세요. 토큰 제한을 피하기 위해 긴 대화에는 ConversationSummaryMemory 를 사용하세요. 대화 기록의 시맨틱 검색이 필요할 경우 VectorStoreMemory 를 사용하세요.
LangChain 에서 에이전트란 무엇이며 어떻게 작동하나요?
에이전트는 어떤 작업을 수행할지 결정하기 위해 LLM 을 사용하는 자율 시스템입니다. 단계별로 문제를 추론하고 해결책에 도달할 때까지 도구를 선택하고 사용합니다. 일반적인 유형에는 ReAct, OpenAI Functions 및 Structured Chat 에이전트가 있습니다.
LangChain 애플리케이션 성능을 어떻게 최적화할 수 있나요?
중복 LLM 호출을 피하기 위해 캐싱을 활성화하고, 문서 작업을 위해 배치 처리를 사용하며, 더 빠른 응답을 위해 스트리밍을 구현하고, 검색 품질과 속도 균형을 위해 문서에 적합한 청크 크기를 선택하세요.
Claude 또는 Claude Code 와 같은 AI 어시스턴트와 함께 LangChain 을 사용할 수 있나요?
네, LangChain 은 여러 LLM 프로바이더와 통합됩니다. Anthropic 의 Claude 모델과 함께 작동하도록 구성할 수 있으며, AI 코딩 어시스턴트인 Claude Code 를 사용하여 LangChain 애플리케이션 개발 및 디버깅을 도울 수 있습니다.
RAG 란 무엇이며 LangChain 으로 어떻게 구현하나요?
RAG(Retrieval Augmented Generation) 는 문서 검색과 LLM 생성을 결합합니다. LangChain 에서는 DocumentLoaders 를 사용하여 문서를 로드하고 TextSplitters 로 분할하며 VectorStore 에 임베딩을 저장한 후 RetrievalQA 체인을 사용하여 문서를 기반으로 질문에 답변합니다.

개발자 세부 정보

작성자

sickn33

라이선스

MIT

리포지토리

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/langchain-architecture

참조

main

파일 구조

📄 SKILL.md