LangChain 에이전트 : Tavily 기반 웹 탐색 에이전트 구축 가이드

LangChain 에이전트 : Tavily 기반 웹 탐색 에이전트 구축 가이드

Tavily - The Web Access Layer for AI Agents

Tavily - The Web Access Layer for AI Agents

---

1. LangChain 간단 개념 정리

LangChain은 대형 언어 모델이 외부 도구, API, 데이터베이스와 연동하여 복잡한 작업을 수행하도록 돕는 프레임워크입니다. 단순히 텍스트를 생성하는 것이 아니라, 모델이 스스로 필요한 도구를 선택하고 실행하도록 설계된 구조를 제공합니다. 이러한 자동화 실행 구조의 중심이 바로 LangChain 에이전트(Agent)입니다.

 

LangChain 에이전트 정의
: LLM이 스스로 판단하여 외부 도구를 선택·실행하고, 그 결과를 기반으로 문제를 해결하는 자동화 시스템입니다.

---

2. LangChain 에이전트란?

LangChain 에이전트는 LLM이 외부 도구를 직접 활용하여 정보를 탐색하거나 분석할 수 있도록 구성된 실행 구조입니다. 단순 답변 생성이 아니라 다양한 도구를 결합하여 지능적인 작업 흐름을 생성할 수 있습니다.

• 사용자 질문 분석
• 필요 도구 선택
• 도구 실행 및 결과 수집
• 결과 해석 및 다음 단계 결정
• 최종 답변 생성

이 과정은 자동으로 반복되며, LLM은 상황에 따라 실행 단계를 스스로 조정합니다.

---

3. Tavily: AI 에이전트를 위한 웹 검색 도구

Tavily는 LLM이 최신 웹 정보를 실시간으로 조회할 수 있도록 돕는 검색 API입니다. 일반적인 LLM은 최신 데이터를 접근할 수 없지만, Tavily를 결합하면 웹 문서를 검색하고 요약하는 기능이 가능해집니다.

• 최신 뉴스 검색
• 웹 문서 수집 및 정리
• 정보 탐색형 에이전트 시스템 구축

---

4. LangChain + Ollama + Tavily 설치

!pip install langchain-ollama
!pip install langchain
!pip install langchain-tavily

Tavily API 키 등록:

import os
os.environ['TAVILY_API_KEY'] = "my-api"

---

5. Tavily 검색 도구 생성

from langchain_tavily import TavilySearch

tool = TavilySearch(
    max_results=5,
    topic="general"
)

해당 도구는 한국·해외 뉴스 등 다양한 웹 문서를 검색할 수 있도록 구성됩니다.

---

6. Ollama 기반 LLM 준비

from langchain.agents import create_agent
from langchain_ollama import ChatOllama

model = ChatOllama(
    model="llama3.1",
    temperature=0,
    base_url='http://ollama:11434'
)

로컬 PC에서 Ollama를 이용해 llama3.1 모델을 호출합니다.

---

7. LangChain 에이전트 생성

tools = [tool]
agent = create_agent(
    model,
    tools=tools
)

이제 에이전트는 LLM + Tavily 검색 기능을 결합한 하나의 실행 시스템이 됩니다.

---

8. 에이전트 실행 예시: 한국 주요 뉴스 검색

for stream in agent.stream(
    {'messages': [('user', '한국의 주요 뉴스는?')]},
    stream_mode='values'
):
    message = stream['messages'][-1]
    message.pretty_print()

실행 흐름:

• 사용자 질문 분석
• Tavily 검색 도구 자동 선택
• 웹 뉴스 검색 수행
• 검색 결과를 LLM이 요약
• 최종 출력 생성

이 모든 과정이 자동으로 진행되므로 별도의 로직 없이도 지능형 검색 에이전트를 구현할 수 있습니다.

---

9. 핵심 정리

• LangChain 에이전트는 외부 도구 사용을 자동화하여 LLM 능력을 확장합니다.
• Tavily는 최신 웹 정보를 조회할 수 있는 강력한 검색 API입니다.
• Ollama를 연결하면 로컬 환경에서 비용 없이 빠르게 테스트할 수 있습니다.
• 정보 수집, 뉴스 탐색, 리포트 자동 생성 등 다양한 작업에 활용 가능합니다.

---

10. 결론

LangChain 에이전트와 Tavily를 결합하면 LLM이 웹을 탐색하고 분석하는 강력한 지능형 검색 시스템을 구축할 수 있습니다. 이는 뉴스 분석, 리서치 자동화, RAG 향상 등 다양한 분야에서 활용할 수 있는 실용적인 기술입니다.