🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

LangChain의 첫 산업 콘퍼런스 Interrupt 2025는 에이전트가 실제 프로덕션과 산업 현장으로 확산되고 있음을 보여주며, LangGraph·LangSmith·평가 도구 중심의 제품 출시를 함께 발표한 행사였다.

📌 핵심 요약

• Interrupt 2025에는 전 세계에서 800명이 샌프란시스코에 모였고, Cisco, Uber, Replit, LinkedIn, Blackrock, JPMorgan, Harvey 등 여러 팀이 에이전트 구축 경험을 공유했다.
• 기조연설은 에이전트 엔지니어링을 소프트웨어 엔지니어링, 프롬프팅, 제품 이해, 머신러닝적 사고가 결합된 새로운 discipline으로 설명했다.
• LangChain은 LLM 애플리케이션이 여러 모델에 의존하게 될 것이라고 보고, 모델 선택권과 통합 폭을 제공하는 LangChain 패키지의 중요성을 강조했다.
• LangGraph는 에이전트의 인지 아키텍처와 정보 흐름을 개발자가 통제할 수 있게 해 신뢰성 있는 에이전트를 만드는 핵심 프레임워크로 제시됐다.
• 행사에서는 LangGraph Platform 정식 출시, Open Agent Platform, LangGraph Studio v2, Pre-Builts, LangSmith 관측성 지표, Open Evals, LLM-as-Judge 보정 기능 등이 발표됐다.

🧩 주요 포인트

1. Interrupt 2025에는 전 세계에서 800명이 샌프란시스코에 모였고, Cisco, Uber, Replit, LinkedIn, Blackrock, JPMorgan, Harvey 등 여러 팀이 에이전트 구축 경험을 공유했다.
2. 기조연설은 에이전트 엔지니어링을 소프트웨어 엔지니어링, 프롬프팅, 제품 이해, 머신러닝적 사고가 결합된 새로운 discipline으로 설명했다.
3. LangChain은 LLM 애플리케이션이 여러 모델에 의존하게 될 것이라고 보고, 모델 선택권과 통합 폭을 제공하는 LangChain 패키지의 중요성을 강조했다.
4. LangGraph는 에이전트의 인지 아키텍처와 정보 흐름을 개발자가 통제할 수 있게 해 신뢰성 있는 에이전트를 만드는 핵심 프레임워크로 제시됐다.
5. 행사에서는 LangGraph Platform 정식 출시, Open Agent Platform, LangGraph Studio v2, Pre-Builts, LangSmith 관측성 지표, Open Evals, LLM-as-Judge 보정 기능 등이 발표됐다.

🧠 상세 정리

1. Interrupt 2025의 성격과 현장 분위기

Interrupt 2025는 LangChain이 처음으로 연 산업 콘퍼런스로, 전 세계에서 온 800명이 샌프란시스코에 모여 에이전트를 실제로 구축하는 팀들의 이야기를 들은 행사였다. Cisco, Uber, Replit, LinkedIn, Blackrock, JPMorgan, Harvey 등 다양한 조직이 참여해 아키텍처, 평가, 관측성, 프롬프팅 전략에 관한 경험을 공유했다. 글은 이 행사를 단순한 제품 발표가 아니라, 에이전트가 이미 산업 현장에 들어오고 있다는 확신을 확인한 자리로 묘사한다. LangChain 팀은 참석하지 못한 사람들을 위해 이후 몇 주 동안 발표 영상과 관련 콘텐츠를 공유하겠다고 안내했다.

2. 에이전트 엔지니어링이라는 새로운 discipline

Harrison의 오프닝 기조연설은 에이전트 엔지니어링을 새로운 discipline으로 규정하는 데서 출발한다. LangChain은 좋은 에이전트를 만들려면 코딩 능력뿐 아니라, 적절한 맥락을 주기 위한 프롬프트 설계, 비즈니스 워크플로를 에이전트로 바꾸는 제품적 이해, 가능성과 분포를 다루는 머신러닝적 감각이 함께 필요하다고 설명한다. 이 네 영역을 모두 잘하는 것은 쉽지 않기 때문에, LangChain의 목표는 시작점의 강점이 무엇이든 누구나 훨씬 뛰어난 에이전트 엔지니어가 되도록 돕는 것이다. 이 관점은 에이전트 개발을 단일 기술 문제가 아니라 여러 역량이 결합된 실천 영역으로 본다.

3. 다중 모델 시대와 LangChain의 모델 선택권

기조연설의 또 다른 핵심은 LLM 애플리케이션이 앞으로 여러 모델에 의존하게 된다는 판단이다. LangChain 패키지는 기업이 특정 모델 하나에 묶이지 않고 다양한 모델을 선택할 수 있도록 하는 데 초점을 맞추고 있으며, 통합의 깊이와 폭을 계속 확장하고 있다고 설명한다. 글은 개발자들이 LangChain이 제공하는 선택권과 유연성을 원한다고 말하며, 그 결과 LangChain이 최근 한 달 동안 7천만 회 이상 다운로드되었다고 강조한다. 이 수치는 LangChain이 모델 선택과 통합 계층에서 중요한 위치를 차지하고 있다는 근거로 제시된다.

4. 신뢰성 있는 에이전트를 위한 LangGraph의 역할

LangGraph는 신뢰성 있는 에이전트를 만들기 위한 핵심 프레임워크로 소개된다. 글은 에이전트 구축에서 가장 어려운 부분 중 하나가 LLM에 올바른 맥락을 제공하는 것이라고 설명하며, LangGraph가 이를 위해 워크플로와 정보 흐름을 세밀하게 통제할 수 있게 한다고 말한다. 개발자는 LangGraph를 통해 에이전트의 인지 아키텍처를 직접 설계하고, 어떤 정보가 어떤 순서와 방식으로 흐를지 제어할 수 있다. LangChain은 이런 낮은 수준의 제어권이 LangGraph를 다른 에이전트 오케스트레이션 프레임워크와 구분하는 특징이라고 강조한다.

5. AI 관측성의 차이와 LangSmith의 확장

글은 생성형 AI 애플리케이션의 관측성이 전통적인 관측성과 다르다고 설명한다. GenAI 앱은 텍스트, 오디오, 이미지처럼 밀도 높고 비정형적인 정보를 다루기 때문에, 에이전트 엔지니어가 애플리케이션 내부에서 무슨 일이 일어나는지 이해하려면 기존 SRE 대상 관측성 도구와는 다른 요구가 생긴다. LangSmith의 집계 trace volume이 산업 전반의 흐름을 반영한다면 더 많은 에이전트가 프로덕션으로 이동하고 있으며, 그만큼 AI 관측성 스택의 필요성이 커지고 있다는 것이 글의 논지다. 이에 맞춰 LangSmith Observability에는 tool calling과 trajectory tracking을 지원하는 에이전트 특화 지표가 추가됐다.

6. 제품 출시와 평가 체계의 확대

LangChain은 Interrupt 2025에서 여러 제품 출시를 발표했다. LangGraph Platform은 장시간 실행되고 상태를 유지하는 에이전트를 배포·관리하는 플랫폼으로 정식 출시됐고, Cloud, Hybrid, 완전 self-hosted 배포를 지원한다고 소개됐다. Open Agent Platform은 개발자가 아니어도 UI에서 MCP 도구 선택, 프롬프트 커스터마이즈, 모델 선택, 데이터 소스 및 다른 에이전트 연결을 할 수 있는 오픈소스 노코드 에이전트 빌더로 제시됐다. 또한 LangGraph Studio v2, 공통 아키텍처 구현 부담을 낮추는 LangGraph Pre-Builts, 코드·추출·RAG·에이전트 trajectory 테스트 등에 쓸 수 있는 Open Evals, 다중 턴 대화를 위한 chat simulation과 evals, 사람의 피드백 점수로 LLM-as-Judge를 보정·감사하는 비공개 프리뷰 기능도 함께 발표됐다.

🧾 핵심 주장 / 시사점

• 이 글에서 LangChain은 에이전트 개발을 단순한 LLM 호출이 아니라 워크플로, 맥락, 평가, 관측성을 함께 설계하는 종합 엔지니어링 문제로 정의한다.
• LangGraph와 LangSmith 관련 발표는 에이전트가 실험 단계를 넘어 프로덕션 운영 대상으로 이동하면서 통제 가능성, 디버깅, 평가, 비용·지연 관찰이 중요해졌다는 흐름을 보여준다.
• Open Agent Platform과 Pre-Builts는 에이전트 개발의 진입 장벽을 낮추려는 방향이고, Open Evals와 LLM-as-Judge 보정은 결과 품질을 지속적으로 검증하려는 방향으로 읽힌다.

✅ 액션 아이템

• LangGraph처럼 에이전트의 인지 아키텍처와 정보 흐름을 개발자가 직접 제어하도록 설계를 재정의해 신뢰성 확보 수준을 올린다.
• LLM 애플리케이션이 다중 모델 의존으로 이동한다는 가정 아래, 모델 선택권과 통합 폭을 동시에 넓히는 패키지 전략을 채택한다.
• 행사에서 공개된 LangSmith 관측성 지표, Open Evals, LLM-as-Judge 보정 기능을 결합해 에이전트 운영 품질 점검 기준을 정한다.

❓ 열린 질문

• LangGraph Platform과 Open Agent Platform의 결합이 실제 운영에서 에이전트 도입 속도와 신뢰성에 어떤 정량 효과를 줄 것인가?
• Cisco, Uber, Replit, LinkedIn, Blackrock, JPMorgan, Harvey 사례에서 반복되는 성공 요인은 무엇이며 우선 적용 대상은 어디인가?
• 기조연설의 에이전트 엔지니어링(소프트웨어 엔지니어링, 프롬프팅, 제품 이해, ML 사고) 통합 방식은 어떤 범위에서 가장 빨리 효과를 검증할 수 있는가?