인공지능 - LangChain 체인이란 무엇인가? 예제와 함께 쉽게 이해하기

🛠 LangChain 체인이란 무엇인가? 예제와 함께 쉽게 이해하기

요즘 생성형 AI를 활용한 프로젝트를 만들다 보면,
“프롬프트 만들기 → 모델 호출 → 결과 받기” 과정을 매번 반복하게 됩니다.

이 과정을 더 깔끔하고 체계적으로 연결해주는 도구가 있는데,
바로 LangChain의 체인(Chain) 입니다.

오늘은 LangChain Chain의 개념을 이해하고,
간단한 예제를 통해 어떻게 사용하는지 알아보겠습니다.

---

🔗 체인(Chain)이란?

LangChain의 체인(Chain)은

“프롬프트 → 모델 → 출력까지의 과정을 하나의 연결된 작업 흐름으로 묶은 것”
입니다.

간단히 말하면,

• 프롬프트를 만들고
• LLM에 넘기고
• 결과를 받고

이 일련의 단계를 하나의 객체처럼 다룰 수 있게 만들어주는 기능입니다.

즉, 체인은 여러 단계를 연결하는 “파이프라인” 이라고 생각하면 됩니다.

---

🛠 LangChain 체인 예제 살펴보기

이번에는 “커피 머신”이라는 제품을 주제로
프롬프트와 모델을 체인으로 연결해보겠습니다.

📄 전체 코드

# 설치 필요
# pip install langchain langchain-openai

import os
import warnings
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate

warnings.filterwarnings("ignore", category=UserWarning)

# API 키 로드
load_dotenv(dotenv_path='openapi_key.env')
api_key = os.getenv("OPENAI_API_KEY")

# GPT 모델 준비
gpt = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 프롬프트 템플릿 정의
template = "{product} 제품 홍보 문구를 작성해줘"
prompt = PromptTemplate(input_variables=["product"], template=template)

# 프롬프트와 모델을 체인으로 연결
chain = prompt | gpt

# 체인 정보 출력
print(f"체인 :: {chain}\n type :: {type(chain)}")

# 체인 실행 (입력값 제공)
result = chain.invoke({'product': '커피 머신'})

# 결과 출력
print(f"결과: {result.content}")

---

🧩 코드 흐름 설명

1. PromptTemplate를 만들어 {product}라는 변수를 포함시킵니다.
2. ChatOpenAI 모델을 준비합니다.
3. | 연산자를 사용해 프롬프트와 모델을 체인으로 연결합니다.
4. 체인에 invoke() 메서드를 사용해 제품 이름(커피 머신)을 넘깁니다.
5. 모델이 홍보 문구를 작성해줍니다.

---

📈 예상 실행 결과

결과: "아침을 특별하게 시작하세요!  
우리 커피 머신으로 신선한 향과 부드러운 맛을 집에서도 간편하게 즐겨보세요."

매우 자연스럽고 마케팅에 바로 쓸 수 있는 문구를 얻을 수 있습니다.

---

🎯 체인을 사용하는 이유

장점	설명
코드 간결화	프롬프트 → 모델 호출 → 출력까지 한 줄로 연결할 수 있습니다.
유연한 확장성	여러 프롬프트, 여러 모델, 후처리 단계를 체인으로 계속 추가할 수 있습니다.
구조화된 개발	복잡한 AI 워크플로우를 모듈처럼 관리할 수 있습니다.
직관적 사용	invoke() 하나로 입력과 출력을 다룰 수 있습니다.

---

📝 마무리

정리하자면,

LangChain의 체인(Chain)은 프롬프트-모델-출력 과정을 하나로 묶는 강력한 연결 도구입니다.

단순히 모델을 호출하는 것 이상으로,

• 여러 단계를 연결하고
• 조건부 흐름을 만들고
• 외부 시스템과 통합하는

진짜 AI 애플리케이션을 만들 때 필수적인 개념입니다.

체인을 이해하고 활용하기 시작하면,
AI 프로젝트를 훨씬 더 체계적이고 확장성 있게 설계할 수 있게 됩니다. 🚀

---