October 2026 LangChain Newsletter: Everything we shipped at Interrupt NYC & London

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

LangChain은 2026년 10월 뉴스레터에서 기업의 모델·하네스·컨텍스트 통제권을 강조하며, Interrupt NYC·London에서 공개한 LangSmith 신기능과 오픈소스 업데이트, 프로덕션 AI 운영 교육 및 행사 소식을 소개했다.

📌 핵심 요약

• LangChain은 지속적인 AI 가치를 얻으려면 기업이 모델·하네스·컨텍스트로 구성되는 자체 인텔리전스를 소유해야 한다고 주장하며, 프로덕션 에이전트의 구축·이해·개선을 통제하는 신기능을 발표했다.
• LangSmith AI Search는 트레이스의 의미를 바탕으로 사용자 불만이나 개인정보(PII) 유출 관련 대화를 검색한다. Managed Deep Agents v0.9는 실행별 개인화, Slack 반응, 사용자별 메모리와 도구 사용, 작업 예약, 무료 내장 웹 검색을 제공한다.
• LangSmith Engine v2는 레드팀 테스트와 비효율·지표 추세 탐지, 제안한 수정의 자동 테스트·검증을 지원한다. LangSmith Trajectories는 메인 에이전트와 하위 에이전트의 세션 경로를 시간순으로 보여주고, LangSmith Custom Apps는 맞춤형 인터페이스 구축·게시·실행을 지원한다.
• LangSmith Fine-Tuning은 프로덕션 실행 경로를 학습 데이터로 전환하고 Baseten 또는 Fireworks로 모델을 미세 조정한 뒤 평가·서빙하도록 지원한다. LangChain v1.4.0은 langchain.mcp 네임스페이스를 통한 FastMCP 지원을 추가했으며, LangGraph로 TypeSafe AI의 의사결정 모델 Jev를 조율해 더 빠르고 저렴한 에이전트를 만드는 사례도 소개했다.
• The Agentic Operating Model은 개발 수명주기, 지속적 평가, 거버넌스를 다루며 10월 29일 EMEA와 11월 5일 북미 세션이 예정돼 있다. Agent Evals 101과 Agent Memory 101 워크숍 및 지역별 행사도 안내했다. 고객사 Zip은 초기 챗봇·에이전트의 기능 추가에 수주가 걸리고 자체 트레이스 파이프라인의 정보가 부족했으나, LangSmith와 LangGraph 도입 후 기능 출시가 빨라졌다고 소개됐다.

🧩 주요 포인트

1. 의미 기반 검색·시간순 실행 경로·자동 수정 검증의 결합 → 에이전트 행동을 이해하고 문제를 찾아 개선하는 프로덕션 운영 과정 지원.
2. Managed Deep Agents v0.9의 실행별 개인화와 사용자별 메모리, LangSmith Custom Apps의 공유 도구화 → 실행 맥락과 반복 업무에 맞춰 에이전트 및 인터페이스를 구성할 여지 확대.
3. LangSmith Fine-Tuning의 실행 데이터 활용과 The Agentic Operating Model의 지속적 평가·거버넌스 → 제품 개선 기능과 조직 운영 방식을 함께 다루는 확장 방향 제시.

🧠 상세 정리

1. 인텔리전스 소유권과 맥락에 맞춘 에이전트

뉴스레터는 어떤 기업이든 AI를 사용할 수 있지만 지속적인 가치를 얻는 기업은 자체 인텔리전스를 소유하게 될 것이라는 주장으로 시작한다. 여기서 인텔리전스는 범용 모델이 해당 기업의 비즈니스를 이해하도록 만드는 모델·하네스·컨텍스트의 조합을 뜻한다. LangChain은 Interrupt NYC와 London에서 공개한 기능을 프로덕션 에이전트의 구축·이해·개선에 대한 통제권을 높이는 수단으로 소개했다. LangSmith AI Search는 전통적인 필터에 의존하지 않고 트레이스의 의미를 이해해 사용자 불만이나 PII 유출 여부와 관련된 대화를 찾도록 지원한다. Managed Deep Agents v0.9는 실행마다 맥락에 맞는 동적 개인화와 Slack 반응, 사용자별 메모리 및 도구 사용, 작업 예약을 지원하며 무료 내장 웹 검색도 제공한다.

2. 문제 탐지부터 실행 추적·맞춤 도구·미세 조정까지

LangSmith Engine v2는 레드팀 테스트로 문제가 프로덕션에 도달하기 전에 포착하는 기능을 제공한다. 이와 함께 비효율적인 에이전트 작업이나 지표 추세처럼 발견하기 어려운 문제를 탐지하고, 자신이 제안한 수정 사항을 자동으로 테스트하고 검증한다고 설명한다. LangSmith Trajectories는 메인 에이전트와 하위 에이전트 전반의 각 세션을 시간순으로 보여주어 트레이스 데이터와 실행 경로를 따라갈 수 있게 한다. LangSmith Custom Apps는 LangSmith 안에서 맞춤형 인터페이스를 구축·게시·실행하고, 반복적인 업무 흐름을 LangSmith 데이터에 기반한 공유 도구로 전환하도록 지원한다. LangSmith Fine-Tuning은 프로덕션 실행 경로를 학습 데이터로 바꾸고 Baseten 또는 Fireworks로 모델을 미세 조정한 뒤, 조정된 모델을 평가하고 서빙하는 흐름을 제공한다.

3. 오픈소스 업데이트와 대규모 AI 운영 방식

오픈소스 소식에서는 LangChain v1.4.0이 langchain.mcp 네임스페이스를 통해 FastMCP를 지원하게 됐다고 알렸다. 이어 LangGraph가 TypeSafe AI의 의사결정 모델인 Jev를 조율해 실행 속도가 더 빠르고 비용이 더 낮은 에이전트를 구축하는 방식을 소개했지만, 구체적인 성능 수치나 비교 조건은 제시하지 않았다. 다음 주제인 The Agentic Operating Model은 선도적인 팀들이 사람·프로세스·기술을 결합해 프로덕션 AI를 확장하는 방식을 다룬다. 핵심 내용은 에이전트 개발 수명주기의 재검토, 지속적 평가 관행 구축, 거버넌스 내재화이며, 실험 단계를 넘어 에이전트를 대규모로 안정적으로 운영하는 데 초점을 둔다. 관련 가상 세션은 EMEA에서 10월 29일 10:00 GMT·11:00 CET에, 북미에서 11월 5일 오전 10:00 PT·오후 1:00 ET에 열린다.

4. 실행 경로 평가와 메모리를 다루는 기초 워크숍

Speak the Lang은 신뢰할 수 있는 에이전트 구축의 기초를 다루는 실시간 워크숍으로 소개된다. Agent Evals 101: What are agent evals?는 10월 28일 수요일 오전 11:00 PT에 온라인으로 진행되며, 에이전트가 생성하는 메시지와 도구 호출의 연속인 실행 경로를 평가해 성능을 측정하는 방법을 다룬다. Agent Memory 101: Context engineering은 11월 3일 화요일 오전 10:00 PT에 온라인으로 열리며, 에이전트가 정보를 기억하는 방식을 설명한다. 메모리 워크숍에서는 오픈소스 에이전트 하네스인 Deep Agents가 컨텍스트 윈도우를 간결하게 유지하는 데 어떻게 도움이 되는지도 보여줄 예정이다.

5. LangChain과 커뮤니티의 지역별 행사

LangChain 주최 행사로는 10월 27일 독일 Munich에서 17:00~21:00 CET에 열리는 LangChain x Data Reply Hackathon이 있으며, 에이전트 하네스를 활용한 구축을 주제로 한다. 같은 날 Chicago에서는 오전 10:00 CT에 LangSmith Roadshow가 열리고, 에이전트로 에이전트를 구축하는 내용을 다룬다. 10월 28일 오전 11:00 PT에는 디자인 에이전트 구축 과정을 소개하는 온라인 행사 GTM Engineering Live가 예정돼 있다. 10월 29일 오후 6:00 ET에는 Vienna, VA에서 DMV Agent Builders Meetup이 열린다. 11월 4일 오후 5:15 ET에는 Toronto에서 오픈 웨이트 모델을 통한 인텔리전스 소유를 주제로 행사가 진행된다. 커뮤니티 주최 행사로는 10월 29일 오후 5:00 CT에 Mexico City에서 열리는 Agents in production이 안내됐다.

6. Zip의 기능 출시 개선 사례와 후속 정보

고객 사례로 소개된 Zip은 초기 챗봇이나 에이전트에 기능 하나를 추가하는 데 수주가 걸렸고, 자체 트레이스 파이프라인에는 팀이 필요로 하는 세부 정보가 부족했다고 설명한다. 뉴스레터는 LangSmith와 LangGraph를 사용한 뒤 새로운 기능을 더 빠르게 출시하게 됐다고 전하지만, 개선 폭이나 구체적인 소요 시간은 제시하지 않는다. 마지막에는 LangSmith를 개발자가 에이전트의 각 결정을 디버깅하고 변경 사항을 평가하며 한 번의 클릭으로 배포하도록 돕는 에이전트 엔지니어링 플랫폼으로 소개한다. 추가 제품·콘텐츠 업데이트를 확인할 경로로 LangChain 블로그, Changelog, YouTube 채널을 안내하고, 고객 사례와 문서·교육·커뮤니티 등의 리소스 링크도 제공한다.

🧾 핵심 주장 / 시사점

• 이번 발표는 개별 기능 추가를 기업의 모델·하네스·컨텍스트 통제권이라는 공통 주제로 묶으며, 인텔리전스 소유를 지속적인 AI 가치의 조건으로 제시한다.
• 트레이스는 검색과 실행 경로 파악의 대상이면서 미세 조정용 학습 데이터의 재료로도 제시돼, 관찰에서 모델 개선으로 이어지는 연결점이 된다.
• 신기능 발표에 지속적 평가·거버넌스 교육과 고객 사례를 함께 배치해, 에이전트 확장을 기술 기능과 운영 관행이 함께 필요한 과제로 설명한다.

✅ 액션 아이템

• LangSmith AI Search와 LangSmith Trajectories를 통한 사용자 불만·PII 유출 관련 대화 검색 및 실행 경로 파악의 활용 가능성 검토.
• Managed Deep Agents v0.9의 실행별 개인화·사용자별 메모리·작업 예약이 반복 업무에 부합하는지 검토.
• LangSmith Fine-Tuning의 학습 데이터 전환·평가·서빙 흐름과 The Agentic Operating Model의 지속적 평가·거버넌스 적용 가능성 검토.

❓ 열린 질문

• LangSmith AI Search는 사용자 불만이나 PII 유출 관련 대화를 어느 정도 정확하게 찾아내는가?
• Managed Deep Agents v0.9의 실행별 개인화와 사용자별 메모리는 실제 반복 업무에서 어떤 개선을 만드는가?
• LangSmith Fine-Tuning으로 Baseten 또는 Fireworks에서 미세 조정한 모델의 개선 효과를 지속적 평가로 어떻게 확인할 수 있는가?