Agent Graph

Agent Graph

연결된 노트와 함께 읽기

Agent Graph = 에이전트·노드들을 임의의 그래프로 연결한 멀티 에이전트 토폴로지. 일직선(Supervisor 패턴의 별모양)·트리(Hierarchical Agent)·P2P(Swarm 패턴)보다 자유롭다.
LangGraph의 StateGraph가 대표 구현 — 어떤 노드든 어떤 노드로든 엣지를 그을 수 있다.

언제 필요한가

협업 흐름이 DAG나 반복 그래프로 가장 자연스럽게 표현될 때.
분기·병렬·재진입이 섞인 워크플로우. 예: 사이드 체크 노드, 검증 노드, fallback 분기.

LangGraph DAG 예

Python

같은 입력에 대해 researcher / coder가 동시에 작업 → reviewer가 둘을 합산.

직렬 에이전트 그래프

에이전트 그래프는 병렬 DAG뿐 아니라 직렬 파이프라인도 표현할 수 있다.

Mermaid스크롤로 확대 · 드래그로 이동

LangGraph에서는 create_react_agent()로 만든 agent 자체도 노드가 될 수 있다.

Python

이 구조는 Serial Agent Pipeline으로 정리할 수 있다.

조건부 엣지 — 동적 분기

Python

사이클 — 반복 개선

ReAct 패턴은 사실 llm → tool → llm 의 2노드 사이클.
Reflection은 generator → critic → generator 사이클.
Graph는 무한 루프 위험이 있으니 max_steps 같은 가드 필수.

다른 토폴로지와의 관계

	표현력	디버깅
Single Agent	가장 단순	가장 쉬움
Supervisor 패턴	별 모양	쉬움
Hierarchical Agent	트리	보통
Agent Graph	임의 그래프	어려움
Swarm 패턴	동적 P2P	가장 어려움

권장 설계

그래프 시각화를 항상 유지 — LangGraph Studio, graph.get_graph().draw_mermaid().
각 노드는 순수 함수처럼 입력 상태 → 부분 상태 반환. 사이드 이펙트는 도구로.
사이클이 있다면 명확한 종료 조건 + 최대 반복 카운트.
상태(State) 스키마를 Pydantic·TypedDict로 강하게 정의.

언제 필요한가

협업 흐름이 DAG나 반복 그래프로 가장 자연스럽게 표현될 때.
분기·병렬·재진입이 섞인 워크플로우. 예: 사이드 체크 노드, 검증 노드, fallback 분기.

LangGraph DAG 예

Python
from langgraph.graph import StateGraph, START, END

g = StateGraph(State)
g.add_node("planner", planner_node)
g.add_node("researcher", researcher_node)
g.add_node("coder", coder_node)
g.add_node("reviewer", reviewer_node)
g.add_node("finalizer", finalizer_node)

g.add_edge(START, "planner")
g.add_edge("planner", "researcher")
g.add_edge("planner", "coder")          # 병렬 fan-out
g.add_edge("researcher", "reviewer")
g.add_edge("coder", "reviewer")
g.add_edge("reviewer", "finalizer")     # fan-in
g.add_edge("finalizer", END)

같은 입력에 대해 researcher / coder가 동시에 작업 → reviewer가 둘을 합산.

직렬 에이전트 그래프

에이전트 그래프는 병렬 DAG뿐 아니라 직렬 파이프라인도 표현할 수 있다.

Mermaid스크롤로 확대 · 드래그로 이동

LangGraph에서는 create_react_agent()로 만든 agent 자체도 노드가 될 수 있다.

Python
builder.add_node("news_agent", news_agent)
builder.add_node("stock_agent", stock_agent)
builder.add_node("reporter", report_node)

이 구조는 Serial Agent Pipeline으로 정리할 수 있다.

조건부 엣지 — 동적 분기

Python
def route(state):
    if state["needs_research"]: return "researcher"
    if state["has_code"]:        return "coder"
    return "finalizer"

g.add_conditional_edges("planner", route)

사이클 — 반복 개선

ReAct 패턴은 사실 llm → tool → llm 의 2노드 사이클.
Reflection은 generator → critic → generator 사이클.
Graph는 무한 루프 위험이 있으니 max_steps 같은 가드 필수.

다른 토폴로지와의 관계

	표현력	디버깅
Single Agent	가장 단순	가장 쉬움
Supervisor 패턴	별 모양	쉬움
Hierarchical Agent	트리	보통
Agent Graph	임의 그래프	어려움
Swarm 패턴	동적 P2P	가장 어려움

권장 설계

그래프 시각화를 항상 유지 — LangGraph Studio, graph.get_graph().draw_mermaid().
각 노드는 순수 함수처럼 입력 상태 → 부분 상태 반환. 사이드 이펙트는 도구로.
사이클이 있다면 명확한 종료 조건 + 최대 반복 카운트.
상태(State) 스키마를 Pydantic·TypedDict로 강하게 정의.

언제 필요한가

LangGraph DAG 예

직렬 에이전트 그래프

조건부 엣지 — 동적 분기

사이클 — 반복 개선

다른 토폴로지와의 관계

권장 설계

관련

Synapse Map Insight

Agent Graph

언제 필요한가

LangGraph DAG 예

직렬 에이전트 그래프

조건부 엣지 — 동적 분기

사이클 — 반복 개선

다른 토폴로지와의 관계

권장 설계

관련

Synapse Map Insight