| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 |
Tags
- 깃허브
- 라즈베리파이
- CSS
- 깃허브(github)
- Force Field
- Agent
- mdvwhole
- Avogadro
- Maker
- LNP
- HTML
- AI
- 만들기
- Martini 3
- TS2CG
- 원격 저장소
- MD
- 카메라
- Freud
- GROMACS
- LLM
- openai
- 랭체인
- 디카
- 디지털 카메라
- Packmol
- MDAnalysis
- langchain
- .top
- 깃(Git)
Archives
- Today
- Total
청관재(淸觀齋)
일지 #8 랭체인(LangChain) 본문
랭체인 이어서 계속 가보도록 하겠다.
집청소하다가 힘들어서 에이전트 공부로 회피함..;;ㅎ
# 랭체인의 핵심 콘셉트 : 채팅 모델
여기서는 LLM과 채팅 모델이라는 개념을 분리해서 생각해야 한다.
LLM은 주로 단일 문자열 입력을 받고 문자열 출력을 생성하는 반면, 채팅 모델은 더 구조화된 메시지 객체의 리스트를 입력으로 받고, AI의 응답을 나타내는 메시지를 출력한다.
즉, 한 턴의 질문 답변으로 끝나는 시스템이 아니라 채팅처럼 AI와 메시지를 계속 주고받는 형태를 가정한다.
각 메시지에는 발화자의 역할이 명시되어 있어서 모델이 대화 흐름과 의도를 파악하는 데 도움을 준다.
채팅 모델을 사용하면 LLM을 사용하기 위한 모델 객체의 초기화를 일관된 방식으로 할 수 있다.
아래 코드는 반반의 확률로 모델을 바꿔서 사용하고 싶을 때 인터페이스를 사용하여 모델을 바꾸는 방법이다.
import random
from langchain.chat_models import init_chat_model
if random.random() < 0.5: #1 50%의 확률로 gpt-5-mini를 선택
print("gpt-5-mini selected")
model = init_chat_model("gpt-5-mini", model_provider="openai")
else:
print("claude-sonnet-5-5 selected")
model = init_chat_model("claude-sonnet-5-5", model_provider="anthropic") #2 모델 생성
result = model.invoke("RAG가 뭔가요?")
print(result.content)
예제에 제시된 클로드 모델은 서비스 종료로 나는 claude-sonnet-5-5를 사용하였다.
- random() 함수는 0보다 크거나 같고 1보다 작은 수가 결괏값으로 출력된다.
- init_chat_model() 함수는 내부적으로 주어진 모델의 이름을 보고 그에 맞는 채팅 모델 객체를 생성한다.
실행 결과는 아래와 같다.

;; 힘든데 오늘은 여기까지만 해야겠다;;;
'무한도전!! > Agent-ai 마스터하기!!' 카테고리의 다른 글
| 일지 #7 랭체인(LangChain) (0) | 2026.11.14 |
|---|---|
| 일지 #6 LLM API를 사용하여 백설공주 계모 챗봇 만들기 (0) | 2026.11.02 |
| 일지 #5 비동기 처리 및 오류 핸들링 (async / await / tenacity) (0) | 2026.10.26 |
| 일지 #4 Anthropic API 사용법 / 스트리밍(streaming) 처리 (0) | 2026.10.22 |
| 일지 #3 OpenAI API 사용법 (챗 컴플리션 API / 리스폰스 API) (0) | 2026.10.19 |
